Zurück zu Fähigkeiten

create-r-dockerfile

pjt222
Aktualisiert Yesterday
5 Ansichten
17
2
17
Auf GitHub ansehen
Metageneral

Über

Diese Fähigkeit erstellt Dockerfiles für R-Anwendungen unter Verwendung von Rocker-Basis-Images und renv für das Abhängigkeitsmanagement. Sie ist für die Containerisierung von R-Paketen, Shiny-Apps oder Analyse-Pipelines konzipiert, um reproduzierbare Builds zu gewährleisten. Nutzen Sie sie, wenn Sie R-basierte Projekte mit konsistenter, produktionsreifer Containerisierung bereitstellen müssen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-r-dockerfile

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation


name: create-r-dockerfile locale: es source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > Crear un Dockerfile para aplicaciones R utilizando imágenes base rocker, gestión de dependencias con renv, y mejores prácticas para compilación reproducible. Usar cuando se necesite contenerizar un paquete R, una aplicación Shiny, o un pipeline de análisis para despliegue reproducible. license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: containerization complexity: basic language: multi tags: docker, r, rocker, renv, containerization

Crear R Dockerfile

Crear un Dockerfile para aplicaciones R con imágenes base rocker y gestión de dependencias reproducible.

Cuándo Usar

  • Contenerizando un paquete R para despliegue reproducible
  • Desplegando una aplicación Shiny en Docker
  • Creando pipelines de análisis reproducibles
  • Compartiendo entornos R con miembros del equipo
  • Integrando código R en pipelines CI/CD

Entradas

  • Requerido: Código fuente R (paquete, script o aplicación Shiny)
  • Requerido: Lista de dependencias R (DESCRIPTION o renv.lock)
  • Opcional: Requisitos de paquetes del sistema (libcurl, libxml2, etc.)
  • Opcional: Archivos de configuración (.Renviron, .Rprofile)
  • Opcional: Restricciones de imagen base (versión de rocker, variante)

Procedimiento

Paso 1: Seleccionar Imagen Base Rocker

Elegir la imagen rocker apropiada según las necesidades del proyecto.

# Para scripts R y paquetes
FROM rocker/r-ver:4.4.0

# Para aplicaciones Shiny
FROM rocker/shiny-verse:4.4.0

# Para desarrollo con RStudio
FROM rocker/rstudio:4.4.0

# Para ciencia de datos con tidyverse
FROM rocker/tidyverse:4.4.0

Criterios de selección de imagen:

  • rocker/r-ver — R base mínimo (más pequeña, para producción)
  • rocker/tidyverse — Incluye tidyverse y dependencias del sistema
  • rocker/shiny — Incluye Shiny Server
  • rocker/shiny-verse — Shiny + tidyverse
  • rocker/rstudio — Incluye RStudio Server

Esperado: Imagen base seleccionada coincide con los requisitos del proyecto, la versión de R anclada para reproducibilidad.

En caso de fallo: Verificar versiones disponibles en Docker Hub (docker search rocker), asegurar que la versión de R coincide con el desarrollo local, considerar restricciones de tamaño de imagen.

Paso 2: Instalar Dependencias del Sistema

Agregar bibliotecas del sistema requeridas por los paquetes R.

RUN apt-get update && apt-get install -y --no-install-recommends \
    libcurl4-openssl-dev \
    libssl-dev \
    libxml2-dev \
    libgit2-dev \
    libfontconfig1-dev \
    libharfbuzz-dev \
    libfribidi-dev \
    libfreetype6-dev \
    libpng-dev \
    libtiff5-dev \
    libjpeg-dev \
    && rm -rf /var/lib/apt/lists/*

Esperado: Todas las dependencias del sistema instaladas, la capa limpia no tiene archivos de caché.

En caso de fallo: Identificar bibliotecas faltantes desde errores de instalación de paquetes R (install.packages() mostrará qué falta), buscar el nombre del paquete Debian para la biblioteca requerida.

Paso 3: Configurar Gestión de Dependencias con renv

Usar renv para la instalación reproducible de paquetes.

# Instalar renv
RUN R -e "install.packages('renv', repos='https://cloud.r-project.org')"

# Copiar archivos de bloqueo primero (caché de capas Docker)
WORKDIR /app
COPY renv.lock renv.lock
COPY .Rprofile .Rprofile
COPY renv/activate.R renv/activate.R
COPY renv/settings.json renv/settings.json

# Restaurar paquetes desde lockfile
RUN R -e "renv::restore()"

# Copiar código de la aplicación (después de paquetes para mejor caché)
COPY . .

Sin renv (alternativa):

RUN R -e "install.packages(c('shiny', 'dplyr', 'ggplot2'), repos='https://cloud.r-project.org')"

Esperado: Paquetes R instalados de forma reproducible desde renv.lock, caché de capas Docker funciona en compilaciones subsecuentes.

En caso de fallo: Ejecutar renv::snapshot() localmente antes de compilar, verificar que renv.lock está actualizado, asegurar que la versión de R en Docker coincide con la versión de renv.lock.

Paso 4: Configurar Punto de Entrada

Definir cómo se ejecuta la aplicación.

Para una aplicación Shiny:

EXPOSE 3838
CMD ["R", "-e", "shiny::runApp('/app', host='0.0.0.0', port=3838)"]

Para un script R:

CMD ["Rscript", "main.R"]

Para un paquete R (ejecución de tests):

CMD ["R", "CMD", "check", "--no-manual", "."]

Esperado: El contenedor se inicia y ejecuta la aplicación R correctamente, los puertos expuestos coinciden con la configuración de la aplicación.

En caso de fallo: Verificar que la aplicación se ejecuta localmente primero, comprobar los logs del contenedor (docker logs <container>), asegurar que los paths de los archivos dentro del contenedor son correctos.

Paso 5: Compilar y Probar

Compilar la imagen Docker y verificar que funciona.

# Compilar imagen
docker build -t mi-app-r:latest .

# Ejecutar contenedor
docker run -p 3838:3838 mi-app-r:latest

# Ejecutar con variables de entorno
docker run -e MI_VARIABLE=valor -p 3838:3838 mi-app-r:latest

# Ejecutar interactivamente para depuración
docker run -it mi-app-r:latest R

Esperado: La imagen se compila exitosamente, el contenedor se ejecuta sin errores, la aplicación es accesible en el puerto configurado.

En caso de fallo: Revisar la salida de compilación para errores de instalación de paquetes, verificar la disponibilidad de puertos, comprobar la asignación de memoria del contenedor (R puede necesitar más RAM).

Validación

  • La imagen Docker se compila sin errores
  • El contenedor se inicia y ejecuta la aplicación correctamente
  • Las dependencias R coinciden con el entorno de desarrollo local
  • La caché de capas Docker funciona (recompilaciones rápidas cuando solo cambia el código)
  • El tamaño de la imagen es razonable (considerar compilación multi-etapa para producción)
  • Las variables de entorno se manejan correctamente

Errores Comunes

  • Imagen demasiado grande: Usar compilación multi-etapa o imagen base más pequeña. Limpiar cachés de apt en la misma capa RUN.
  • renv.lock desactualizado: Siempre ejecutar renv::snapshot() localmente antes de compilar la imagen Docker.
  • Fallo de instalación de paquetes: Generalmente causado por dependencias del sistema faltantes. Revisar mensajes de error para identificar la biblioteca requerida.
  • Caché de capas no funciona: Copiar archivos de dependencias antes del código fuente. COPY de renv.lock antes de COPY del código de la aplicación.
  • Inconsistencia de versión de R: Anclar la versión de R en la imagen base para coincidir con el entorno de desarrollo.

Habilidades Relacionadas

  • setup-docker-compose - Orquestar contenedores R con servicios de base de datos
  • optimize-docker-build-cache - Mejorar tiempos de compilación Docker para proyectos R
  • containerize-mcp-server - Contenerizar servidores MCP basados en R
  • create-dockerfile - Patrones generales de Dockerfile para otros lenguajes

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/es/skills/create-r-dockerfile
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese 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.

Skill ansehen

polymarket

Meta

Diese 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.

Skill ansehen

creating-opencode-plugins

Meta

Diese 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.

Skill ansehen

sglang

Meta

SGLang 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.

Skill ansehen