pnpm项目在Docker构建中devDependencies缺失问题的分析与解决
2025-05-05 07:29:56作者:龚格成
在基于pnpm的Node.js项目中,使用Docker进行容器化构建时,开发依赖项(devDependencies)的缺失是一个常见问题。本文将深入分析这一问题的成因,并提供完整的解决方案。
问题现象
当在Dockerfile中设置NODE_ENV="production"环境变量后,即使按照常规流程安装了所有依赖项,项目构建过程中仍然会出现devDependencies缺失的错误。具体表现为:
- 构建过程中无法找到开发工具的可执行文件(如tailwindcss、tsx等)
- 错误信息显示模块路径不存在(如
Cannot find module '/app/node_modules/tailwindcss/lib/cli.js') - 问题具有随机性,有时出现在不同工具上
根本原因
问题的核心在于pnpm的安装行为受NODE_ENV环境变量的影响:
- 当
NODE_ENV=production时,pnpm默认不会安装devDependencies - 即使显式安装了devDependencies,某些工具在production环境下仍可能无法正常工作
- Docker构建过程中环境变量的传递会影响各构建阶段
解决方案
方案一:调整NODE_ENV设置
最直接的解决方案是在Dockerfile中移除或调整NODE_ENV的设置:
# 仅在最终运行阶段设置为production
FROM base AS runner
ENV NODE_ENV="production"
方案二:强制安装devDependencies
在需要devDependencies的构建阶段,可以强制安装:
RUN --mount=type=cache,id=pnpm,target=/pnpm/store pnpm install --frozen-lockfile --prod=false
完整优化后的Dockerfile示例
FROM node:20.9.0-bookworm-slim AS base
# 不在此处设置NODE_ENV
ENV PNPM_HOME="/pnpm"
ENV PATH="$PNPM_HOME:$PATH"
RUN corepack enable
FROM base AS pruner
WORKDIR /app
COPY . .
RUN pnpm dlx turbo prune ${PROJECT} --docker
FROM base AS development-deps
WORKDIR /app
COPY --from=pruner /app/out/json/ .
COPY --from=pruner /app/out/pnpm-lock.yaml ./pnpm-lock.yaml
RUN --mount=type=cache,id=pnpm,target=/pnpm/store pnpm install --frozen-lockfile --prod=false
FROM base AS build
WORKDIR /app
COPY --from=pruner /app/out/full/ .
COPY --from=development-deps /app/node_modules ./node_modules
RUN pnpm dlx turbo build --filter ${PROJECT}
FROM base AS runner
ENV NODE_ENV="production"
WORKDIR /app
COPY --from=build /app .
USER node
CMD ["node", "app.js"]
最佳实践建议
- 分阶段设置环境变量:仅在最终运行阶段设置为production
- 明确依赖安装策略:使用
--prod=false确保devDependencies安装 - 利用缓存机制:合理使用Docker的缓存功能加速构建
- 保持各阶段一致性:确保依赖项在各构建阶段正确传递
通过以上调整,可以确保在Docker构建过程中既能正确安装开发依赖项用于构建,又能在最终镜像中保持生产环境的精简性。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781