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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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