create-r-dockerfile
Über
Diese Claude-Skill erstellt optimierte Dockerfiles für R-Projekte unter Verwendung von rocker Basis-Images. Sie behandelt Systemabhängigkeiten, die Installation von R-Paketen und renv-Integration mit intelligenter Layer-Anordnung für schnellere Neuerstellungen. Nutzen Sie sie, wenn Sie R-Anwendungen containerisieren, reproduzierbare Umgebungen erstellen oder R-basierte Dienste wie Shiny- oder Plumber-APIs bereitstellen.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-r-dockerfileKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
Create R Dockerfile
Dockerfile for R using rocker + dep mgmt.
Use When
- Containerize R app / analysis
- Repro R env
- Deploy R svcs (Shiny, Plumber, MCP)
- Consistent dev env
In
- Required: R proj + deps (DESCRIPTION / renv.lock)
- Required: Purpose (dev/prod/svc)
- Optional: R ver (def: latest stable)
- Optional: Extra sys libs
Do
Step 1: Base Img
| Use | Base | Size |
|---|---|---|
| Min R | rocker/r-ver:4.5.0 | ~800MB |
| Tidyverse | rocker/tidyverse:4.5.0 | ~1.8GB |
| RStudio Svr | rocker/rstudio:4.5.0 | ~1.9GB |
| Shiny | rocker/shiny-verse:4.5.0 | ~2GB |
Got: Base matches reqs, no bloat.
If err: Unsure → rocker/r-ver (min) + add pkgs. See rocker-org catalog.
Step 2: Dockerfile
FROM rocker/r-ver:4.5.0
# Install system dependencies
# Group by purpose for clarity
RUN apt-get update && apt-get install -y \
# HTTP/SSL
libcurl4-openssl-dev \
libssl-dev \
# XML processing
libxml2-dev \
# Git integration
libgit2-dev \
libssh2-1-dev \
# Graphics
libfontconfig1-dev \
libharfbuzz-dev \
libfribidi-dev \
libfreetype6-dev \
libpng-dev \
libtiff5-dev \
libjpeg-dev \
# Utilities
git \
curl \
&& rm -rf /var/lib/apt/lists/*
# Install R packages
# Order: least-changing first for cache efficiency
RUN R -e "install.packages(c( \
'remotes', \
'devtools', \
'renv' \
), repos='https://cloud.r-project.org/')"
# Set working directory
WORKDIR /workspace
# Copy renv files first (cache layer)
COPY renv.lock renv.lock
COPY renv/activate.R renv/activate.R
# Restore packages from lockfile
RUN R -e "renv::restore()"
# Copy project files
COPY . .
# Default command
CMD ["R"]
Got: docker build -t myproject . builds OK.
If err: apt-get install fail → check pkg names (Debian). renv::restore() fail → ensure renv.lock + renv/activate.R copied before restore.
Step 3: .dockerignore
.git
.Rproj.user
.Rhistory
.RData
renv/library
renv/cache
renv/staging
docs/
*.tar.gz
Got: .dockerignore excludes git, IDE, local renv lib, artifacts.
If err: Build still copies unwanted → verify .dockerignore in same dir as Dockerfile, correct glob.
Step 4: Build + Test
docker build -t r-project:latest .
docker run --rm -it r-project:latest R -e "sessionInfo()"
Got: Container starts, R ver correct, pkgs avail. sessionInfo() confirms.
If err: Check build logs for sys dep err. Add missing -dev pkgs.
Step 5: Prod Optimize
Multi-stage:
# Build stage
FROM rocker/r-ver:4.5.0 AS builder
RUN apt-get update && apt-get install -y libcurl4-openssl-dev libssl-dev
COPY renv.lock .
RUN R -e "install.packages('renv'); renv::restore()"
# Runtime stage
FROM rocker/r-ver:4.5.0
COPY --from=builder /usr/local/lib/R/site-library /usr/local/lib/R/site-library
COPY . /app
WORKDIR /app
CMD ["Rscript", "main.R"]
Got: Multi-stage → smaller final img. Runtime = compiled R pkgs only.
If err: Pkgs fail load in runtime → lib path in COPY --from=builder must match R install path. Check: R -e ".libPaths()" in both.
Check
-
docker buildno err - Container starts, R works
- All req pkgs avail
-
.dockerignoreexcludes junk - Img size reasonable
- Fast rebuild on code-only change (cache works)
Traps
- Missing sys deps: Compiled R pkgs need
-devlibs. Checkinstall.packages()err msgs - Cache invalidation: Copy all files pre-install → cache invalidated on code change. Copy lockfile first.
- Large imgs:
rm -rf /var/lib/apt/lists/*afterapt-get install. Multi-stage. - Timezone:
ENV TZ=UTC/ installtzdatafor TZ-aware ops - Root user: Add non-root prod:
RUN useradd -m appuser && USER appuser
Examples
# Development container with mounted source
docker run --rm -it -v $(pwd):/workspace r-project:latest R
# Plumber API service
docker run -d -p 8000:8000 r-api:latest
# Shiny app
docker run -d -p 3838:3838 r-shiny:latest
→
setup-docker-compose— orchestrate multi containerscontainerize-mcp-server— MCP R svrsoptimize-docker-build-cache— cache strategiesmanage-renv-dependencies— renv.lock → Docker
GitHub Repository
Verwandte Skills
content-collections
MetaDiese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.
polymarket
MetaDiese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.
creating-opencode-plugins
MetaDiese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.
sglang
MetaSGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.
