create-r-dockerfile
À propos
Cette compétence crée des fichiers Docker pour des applications R en utilisant les images de base rocker et renv pour la gestion des dépendances. Elle est conçue pour conteneuriser des packages R, des applications Shiny ou des pipelines d'analyse afin de garantir des builds reproductibles. Utilisez-la lorsque vous avez besoin de déployer des projets basés sur R avec une conteneurisation cohérente et prête pour la production.
Installation rapide
Claude Code
Recommandénpx 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-dockerfileCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
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 sistemarocker/shiny— Incluye Shiny Serverrocker/shiny-verse— Shiny + tidyverserocker/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 datosoptimize-docker-build-cache- Mejorar tiempos de compilación Docker para proyectos Rcontainerize-mcp-server- Contenerizar servidores MCP basados en Rcreate-dockerfile- Patrones generales de Dockerfile para otros lenguajes
Dépôt GitHub
Compétences associées
content-collections
MétaCette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.
polymarket
MétaCette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.
creating-opencode-plugins
MétaCette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.
sglang
MétaSGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.
