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 00:04:38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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
466
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
356
216
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++
897
688
昇腾LLM分布式训练框架
Python
121
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
120
156
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
782
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361