optimize-docker-build-cache
Acerca de
Esta habilidad optimiza las construcciones de Docker implementando caché de capas, construcciones multi-etapa y características de BuildKit para reducir los tiempos de construcción y los tamaños de imagen. Está diseñada para proyectos de R, Node.js y Python donde las instalaciones repetidas de dependencias o las imágenes grandes ralentizan el desarrollo. Úsala cuando los cambios en el código desencadenen reconstrucciones completas o cuando las canalizaciones de CI/CD se conviertan en cuellos de botella.
Instalación rápida
Claude Code
Recomendadonpx 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/optimize-docker-build-cacheCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
優化 Docker 構建快取
以層快取、多階段構建與構建優化,減 Docker 構建時間。
適用時機
- Docker 構建因重複套件安裝而慢
- 每次代碼變即重新安裝所有依賴
- 鏡像大小不必要地大
- CI/CD 管道構建為瓶頸
輸入
- 必要:欲優化之既有 Dockerfile
- 選擇性:目標構建時間之改進
- 選擇性:目標鏡像大小之減少
步驟
步驟一:依變更頻率排序層
最少變更之層置於最先:
# 1. Base image (rarely changes)
FROM rocker/r-ver:4.5.0
# 2. System dependencies (change occasionally)
RUN apt-get update && apt-get install -y \
libcurl4-openssl-dev \
libssl-dev \
&& rm -rf /var/lib/apt/lists/*
# 3. Dependency files only (change when deps change)
COPY renv.lock renv.lock
COPY renv/activate.R renv/activate.R
RUN R -e "renv::restore()"
# 4. Source code (changes frequently)
COPY . .
關鍵原則:Docker 對每層快取。一層變則所有後續層重建。依賴安裝當在源碼複製之前。
預期: Dockerfile 之層由最少變更(基礎鏡像、系統依賴)至最多變更(源碼)排序,依賴鎖檔於完整源之前複製。
失敗時: 若構建仍每次代碼變重新安裝依賴,驗 COPY . . 在依賴安裝之 RUN 命令之後,非之前。
步驟二:分依賴安裝與代碼
劣(每次代碼變重建套件):
COPY . .
RUN R -e "renv::restore()"
佳(但於鎖檔變時重建套件):
COPY renv.lock renv.lock
RUN R -e "renv::restore()"
COPY . .
Node.js 同模式:
COPY package.json package-lock.json ./
RUN npm ci
COPY . .
預期: 依賴鎖檔(renv.lock、package-lock.json、requirements.txt)於完整源碼 COPY . . 之前以獨立層複製並安裝。
失敗時: 若鎖檔複製敗,確檔存於構建上下文中,且未被 .dockerignore 排除。
步驟三:用多階段構建
分構建依賴與運行時:
# Build stage - includes dev tools
FROM rocker/r-ver:4.5.0 AS builder
RUN apt-get update && apt-get install -y \
libcurl4-openssl-dev libssl-dev build-essential
COPY renv.lock .
RUN R -e "install.packages('renv'); renv::restore()"
# Runtime stage - minimal image
FROM rocker/r-ver:4.5.0
RUN apt-get update && apt-get install -y \
libcurl4 libssl3 \
&& rm -rf /var/lib/apt/lists/*
COPY --from=builder /usr/local/lib/R/site-library /usr/local/lib/R/site-library
COPY . /app
WORKDIR /app
CMD ["Rscript", "main.R"]
預期: Dockerfile 有附開發工具之 builder 階段與但有生產依賴之運行時階段。終鏡像顯小於單階段構建。
失敗時: 若 COPY --from=builder 找不到函式庫,驗安裝路徑於諸階段間相符。用 docker build --target builder . 獨立除錯構建階段。
步驟四:合併 RUN 命令
每 RUN 創一層。合併相關命令:
劣(3 層,apt 快取留存):
RUN apt-get update
RUN apt-get install -y curl git
RUN rm -rf /var/lib/apt/lists/*
佳(1 層,清快取):
RUN apt-get update && apt-get install -y \
curl \
git \
&& rm -rf /var/lib/apt/lists/*
預期: 相關 apt-get 或套件安裝命令合於單一 RUN 指令,每以快取清理(rm -rf /var/lib/apt/lists/*)作結。
失敗時: 若合併之 RUN 命令於中途敗,暫拆之以辨失敗命令,修後再合。
步驟五:用 .dockerignore
防不必要之檔入構建上下文:
.git
.Rproj.user
.Rhistory
.RData
renv/library
renv/cache
node_modules
docs/
*.tar.gz
.env
預期: 專案根存 .dockerignore 檔,排除 .git、node_modules、renv/library、構建產物與環境檔。構建上下文大小顯小。
失敗時: 若容器中缺所需檔,查 .dockerignore 中過廣之模式。用 docker build 詳細輸出驗何檔送至守護程序。
步驟六:啟 BuildKit
DOCKER_BUILDKIT=1 docker build -t myimage .
或於 docker-compose.yml:
services:
app:
build:
context: .
dockerfile: Dockerfile
連同 COMPOSE_DOCKER_CLI_BUILD=1 與 DOCKER_BUILDKIT=1 之環境變數。
BuildKit 啟用:
- 平行階段構建
- 更佳之快取管理
--mount=type=cache以持久套件快取
預期: 構建以 BuildKit 啟用運行(由 #1 [internal] load build definition 風之輸出示之)。多階段構建可並行則並行。
失敗時: 若 BuildKit 未啟,驗構建命令前已匯出環境變數。舊版 Docker,升級 Docker Engine 至 18.09+ 以支援 BuildKit。
步驟七:為套件管理器用快取掛載
# R packages with persistent cache
RUN --mount=type=cache,target=/usr/local/lib/R/site-library \
R -e "install.packages('dplyr')"
# npm with persistent cache
RUN --mount=type=cache,target=/root/.npm \
npm ci
預期: 後續構建自掛載重用快取套件,縱層失效亦顯減安裝時間。快取跨構建持久。
失敗時: 若 --mount=type=cache 不被識,確 BuildKit 已啟(DOCKER_BUILDKIT=1)。語法需 BuildKit,舊式構建器不支援。
驗證
- 但代碼變後之重建顯快
- 鎖檔未變時依賴安裝層被快取
-
.dockerignore排除不必要之檔 - 鏡像大小較未優化構建減少
- 多階段構建(若用)分構建與運行時依賴
常見陷阱
- 裝依賴前複製所有檔:每次代碼變即使依賴快取失效
- 忘
.dockerignore:大構建上下文減慢每次構建 - 層過多:每
RUN、COPY、ADD創一層。合理處合併之 - 不清 apt 快取:apt-get 安裝恆以
&& rm -rf /var/lib/apt/lists/*作結 - 平台特定快取:快取層為平台特定。CI runner 或不能受益於本地快取
相關技能
create-r-dockerfile- 初始 Dockerfile 創建setup-docker-compose- compose 構建配置containerize-mcp-server- 對 MCP server 構建施優化
Repositorio GitHub
Habilidades relacionadas
content-collections
MetaEsta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.
polymarket
MetaEsta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.
creating-opencode-plugins
MetaEsta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.
sglang
MetaSGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.
