Earthly项目中通过WITH DOCKER指令复用多容器镜像的最佳实践
2025-05-19 22:15:51作者:钟日瑜
在Earthly项目中构建复杂的容器化测试环境时,经常需要同时启动多个相互依赖的服务容器。Earthly提供的WITH DOCKER指令结合--compose参数可以很好地解决这个问题,但如何高效地复用项目中已构建的镜像是一个值得探讨的技术点。
多阶段构建中的镜像复用
Earthly的构建过程支持多阶段构建模式,每个构建目标(Target)可以独立构建并输出镜像。例如在CI/CD流水线中,我们可能会分别构建数据库服务、消息队列服务和应用程序服务:
FROM alpine:latest
WORKDIR /test
ci-mariadb:
FROM mariadb:latest
SAVE IMAGE ci-env:mariadb
ci-nats:
FROM nats:latest
SAVE IMAGE ci-env:nats
ci-e2e:
FROM xxxx
SAVE IMAGE e2e:latest
WITH DOCKER指令的镜像加载机制
在集成测试阶段,我们需要同时启动这些服务容器。Earthly的WITH DOCKER指令提供了--load参数,可以显式加载其他构建阶段生成的镜像:
ci-test:
FROM earthly:dind
WITH DOCKER --compose docker-compose.yaml \
--load ci-env:mariadb=+ci-mariadb \
--load ci-env:nats=+ci-nats \
--load e2e:latest=+ci-e2e
RUN docker run --rm e2e:latest
END
关键技术要点
-
镜像标签映射:
--load参数支持将构建目标输出的镜像重新打标签,格式为<new-tag>=<target-ref> -
多镜像加载:可以多次使用
--load参数来加载多个不同构建阶段生成的镜像 -
Compose文件集成:配合
--compose参数,可以在Docker Compose配置中直接引用这些已加载的镜像
services:
mariadb:
image: ci-env:mariadb
nats:
image: ci-env:nats
实际应用建议
-
镜像命名规范:建议为CI环境使用的镜像建立统一的命名规范,如示例中的
ci-env:前缀 -
构建顺序优化:Earthly会自动解析依赖关系,但明确的目标引用使构建流程更清晰
-
缓存利用:合理使用
SAVE IMAGE和--load组合可以充分利用Earthly的缓存机制
通过这种模式,开发者可以在Earthly项目中高效地构建和管理复杂的多容器测试环境,同时保持构建过程的模块化和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218