web-dev-qa-db-ja.com

Alpine LinuxにPandasをインストールするのに何年もかかるのはなぜですか

ベースOS AlpineとCentOSまたはDebianを使用してDockerコンテナにPandasとNumpy(依存関係)をインストールすると、さらに時間がかかることに気付きました。時間差を示すために、以下の小さなテストを作成しました。 AlpineはPandasとNumpyをインストールするためにビルドの依存関係を更新およびダウンロードするのに数秒かかりますが、setup.pyがDebianのインストールよりも約70倍時間がかかるのはなぜですか?

ベースイメージとしてAlpineを使用してインストールを高速化する方法はありますか、またはPandasやNumpyなどのパッケージに使用する方が良いAlpineに匹敵するサイズの別のベースイメージがありますか?

Dockerfile.debian

FROM python:3.6.4-slim-jessie

RUN pip install pandas

PandasおよびNumpyを使用してDebianイメージをビルド:

[PandasDockerTest] time docker build -t debian-pandas -f Dockerfile.debian . --no-cache
    Sending build context to Docker daemon  3.072kB
    Step 1/2 : FROM python:3.6.4-slim-jessie
     ---> 43431c5410f3
    Step 2/2 : RUN pip install pandas
     ---> Running in 2e4c030f8051
    Collecting pandas
      Downloading pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl (26.2MB)
    Collecting numpy>=1.9.0 (from pandas)
      Downloading numpy-1.14.1-cp36-cp36m-manylinux1_x86_64.whl (12.2MB)
    Collecting pytz>=2011k (from pandas)
      Downloading pytz-2018.3-py2.py3-none-any.whl (509kB)
    Collecting python-dateutil>=2 (from pandas)
      Downloading python_dateutil-2.6.1-py2.py3-none-any.whl (194kB)
    Collecting six>=1.5 (from python-dateutil>=2->pandas)
      Downloading six-1.11.0-py2.py3-none-any.whl
    Installing collected packages: numpy, pytz, six, python-dateutil, pandas
    Successfully installed numpy-1.14.1 pandas-0.22.0 python-dateutil-2.6.1 pytz-2018.3 six-1.11.0
    Removing intermediate container 2e4c030f8051
     ---> a71e1c314897
    Successfully built a71e1c314897
    Successfully tagged debian-pandas:latest
    docker build -t debian-pandas -f Dockerfile.debian . --no-cache  0.07s user 0.06s system 0% cpu 13.605 total

Dockerfile.Alpine

FROM python:3.6.4-Alpine3.7

RUN apk --update add --no-cache g++

RUN pip install pandas

PandasおよびNumpy:を使用してAlpineイメージをビルドします

[PandasDockerTest] time docker build -t Alpine-pandas -f Dockerfile.Alpine . --no-cache
Sending build context to Docker daemon   16.9kB
Step 1/3 : FROM python:3.6.4-Alpine3.7
 ---> 4b00a94b6f26
Step 2/3 : RUN apk --update add --no-cache g++
 ---> Running in 4b0c32551e3f
fetch http://dl-cdn.alpinelinux.org/Alpine/v3.7/main/x86_64/APKINDEX.tar.gz
fetch http://dl-cdn.alpinelinux.org/Alpine/v3.7/main/x86_64/APKINDEX.tar.gz
fetch http://dl-cdn.alpinelinux.org/Alpine/v3.7/community/x86_64/APKINDEX.tar.gz
fetch http://dl-cdn.alpinelinux.org/Alpine/v3.7/community/x86_64/APKINDEX.tar.gz
(1/17) Upgrading musl (1.1.18-r2 -> 1.1.18-r3)
(2/17) Installing libgcc (6.4.0-r5)
(3/17) Installing libstdc++ (6.4.0-r5)
(4/17) Installing binutils-libs (2.28-r3)
(5/17) Installing binutils (2.28-r3)
(6/17) Installing gmp (6.1.2-r1)
(7/17) Installing isl (0.18-r0)
(8/17) Installing libgomp (6.4.0-r5)
(9/17) Installing libatomic (6.4.0-r5)
(10/17) Installing pkgconf (1.3.10-r0)
(11/17) Installing mpfr3 (3.1.5-r1)
(12/17) Installing mpc1 (1.0.3-r1)
(13/17) Installing gcc (6.4.0-r5)
(14/17) Installing musl-dev (1.1.18-r3)
(15/17) Installing libc-dev (0.7.1-r0)
(16/17) Installing g++ (6.4.0-r5)
(17/17) Upgrading musl-utils (1.1.18-r2 -> 1.1.18-r3)
Executing busybox-1.27.2-r7.trigger
OK: 184 MiB in 50 packages
Removing intermediate container 4b0c32551e3f
 ---> be26c3bf4e42
Step 3/3 : RUN pip install pandas
 ---> Running in 36f6024e5e2d
Collecting pandas
  Downloading pandas-0.22.0.tar.gz (11.3MB)
Collecting python-dateutil>=2 (from pandas)
  Downloading python_dateutil-2.6.1-py2.py3-none-any.whl (194kB)
Collecting pytz>=2011k (from pandas)
  Downloading pytz-2018.3-py2.py3-none-any.whl (509kB)
Collecting numpy>=1.9.0 (from pandas)
  Downloading numpy-1.14.1.Zip (4.9MB)
Collecting six>=1.5 (from python-dateutil>=2->pandas)
  Downloading six-1.11.0-py2.py3-none-any.whl
Building wheels for collected packages: pandas, numpy
  Running setup.py bdist_wheel for pandas: started
  Running setup.py bdist_wheel for pandas: still running...
  Running setup.py bdist_wheel for pandas: still running...
  Running setup.py bdist_wheel for pandas: still running...
  Running setup.py bdist_wheel for pandas: still running...
  Running setup.py bdist_wheel for pandas: still running...
  Running setup.py bdist_wheel for pandas: still running...
  Running setup.py bdist_wheel for pandas: finished with status 'done'
  Stored in directory: /root/.cache/pip/wheels/e8/ed/46/0596b51014f3cc49259e52dff9824e1c6fe352048a2656fc92
  Running setup.py bdist_wheel for numpy: started
  Running setup.py bdist_wheel for numpy: still running...
  Running setup.py bdist_wheel for numpy: still running...
  Running setup.py bdist_wheel for numpy: still running...
  Running setup.py bdist_wheel for numpy: finished with status 'done'
  Stored in directory: /root/.cache/pip/wheels/9d/cd/e1/4d418b16ea662e512349ef193ed9d9ff473af715110798c984
Successfully built pandas numpy
Installing collected packages: six, python-dateutil, pytz, numpy, pandas
Successfully installed numpy-1.14.1 pandas-0.22.0 python-dateutil-2.6.1 pytz-2018.3 six-1.11.0
Removing intermediate container 36f6024e5e2d
 ---> a93c59e6a106
Successfully built a93c59e6a106
Successfully tagged Alpine-pandas:latest
docker build -t Alpine-pandas -f Dockerfile.Alpine . --no-cache  0.54s user 0.33s system 0% cpu 16:08.47 total
48
moku

Debianベースのイメージは、python pipのみを使用して、.whl形式のパッケージをインストールします。

  Downloading pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl (26.2MB)
  Downloading numpy-1.14.1-cp36-cp36m-manylinux1_x86_64.whl (12.2MB)

WHL形式は、毎回ソースコードから再構築するよりも、Pythonソフトウェアをインストールするより迅速で信頼性の高い方法として開発されました。 WHLファイルは、インストールするターゲットシステムの正しい場所に移動するだけで済みますが、ソース配布ではインストールの前にビルドステップが必要です。

ホイールパッケージpandasおよびnumpyは、Alpineプラットフォームに基づくイメージではサポートされていません。そのため、ビルドプロセス中にpython pipを使用してそれらをインストールする場合、常にAlpineのソースファイルからコンパイルします。

  Downloading pandas-0.22.0.tar.gz (11.3MB)
  Downloading numpy-1.14.1.Zip (4.9MB)

また、画像の構築中に次の内部コンテナを確認できます。

/ # ps aux
PID   USER     TIME   COMMAND
    1 root       0:00 /bin/sh -c pip install pandas
    7 root       0:04 {pip} /usr/local/bin/python /usr/local/bin/pip install pandas
   21 root       0:07 /usr/local/bin/python -c import setuptools, tokenize;__file__='/tmp/pip-build-en29h0ak/pandas/setup.py';f=getattr(tokenize, 'open', open)(__file__);code=f.read().replace('\r\n', '\n
  496 root       0:00 sh
  660 root       0:00 /bin/sh -c gcc -Wno-unused-result -Wsign-compare -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -DTHREAD_STACK_SIZE=0x100000 -fPIC -Ibuild/src.linux-x86_64-3.6/numpy/core/src/pri
  661 root       0:00 gcc -Wno-unused-result -Wsign-compare -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -DTHREAD_STACK_SIZE=0x100000 -fPIC -Ibuild/src.linux-x86_64-3.6/numpy/core/src/private -Inump
  662 root       0:00 /usr/libexec/gcc/x86_64-Alpine-linux-musl/6.4.0/cc1 -quiet -I build/src.linux-x86_64-3.6/numpy/core/src/private -I numpy/core/include -I build/src.linux-x86_64-3.6/numpy/core/includ
  663 root       0:00 ps aux

Dockerfileを少し変更すると:

FROM python:3.6.4-Alpine3.7
RUN apk add --no-cache g++ wget
RUN wget https://pypi.python.org/packages/da/c6/0936bc5814b429fddb5d6252566fe73a3e40372e6ceaf87de3dec1326f28/pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl
RUN pip install pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl

次のエラーが表示されます。

Step 4/4 : RUN pip install pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl
 ---> Running in 0faea63e2bda
pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl is not a supported wheel on this platform.
The command '/bin/sh -c pip install pandas-0.22.0-cp36-cp36m-manylinux1_x86_64.whl' returned a non-zero code: 1

残念ながら、pandasをAlpineイメージにインストールする唯一の方法は、ビルドが完了するまで待つことです。

もちろん、たとえばCIでpandasでAlpineイメージを使用する場合、これを行う最良の方法は、一度コンパイルして、レジストリにプッシュし、ニーズのベースイメージとして使用することです。

EDIT:pandasでAlpineイメージを使用する場合は、私の nickgryg/Alpine-pandas ドッカー画像。これは、Alpineプラットフォームでプリコンパイルされたpandasを含むpythonイメージです。時間を節約できます。

37
Nickolay

[更新:]

回答:IT DOES N'T!

どのAlpine Dockerfileでも、簡単に実行できます*

RUN apk add py2-numpy@community py2-scipy@community py-pandas@Edge

これは、numpyscipy、およびpandasがすべてAlpineで事前に構築されているためです。

https://pkgs.alpinelinux.org/packages?name=*numpy

https://pkgs.alpinelinux.org/packages?name=*scipy&branch=Edge

https://pkgs.alpinelinux.org/packages?name=*pandas&branch=Edge

毎回、またはDockerレイヤーを使用して再構築を回避する1つの方法は、ビルド済みのネイティブAlpine Linux/.apkパッケージを使用することです(例:

https://github.com/sgerrand/Alpine-pkg-py-pandas

https://github.com/nbgallery/apks

これらの.apksを一度構築して、好きなDockerfileのどこででも使用できます:)

これにより、事実の前に他のすべてをDockerイメージにベイクする必要がなくなります。つまり、好きなDockerイメージを事前に構築する柔軟性が得られます。

PS Dockerfileスタブを https://Gist.github.com/jtlz2/b0f4bc07ce2ff04bc193337f2327c13b に配置しました。これは、おおよそのイメージの作成方法を示しています。これらには重要な手順が含まれます(*):

RUN echo "@community http://dl-cdn.alpinelinux.org/Alpine/Edge/community" >> /etc/apk/repositories
RUN apk update
RUN apk add --update --no-cache libgfortran
17
jtlz2