create-r-dockerfile
정보
이 스킬은 rocker 베이스 이미지와 renv를 사용하여 R 애플리케이션의 Dockerfile을 생성합니다. R 패키지, Shiny 앱 또는 분석 파이프라인의 컨테이너화를 위해 설계되어 재현 가능한 빌드를 보장합니다. 일관적이고 프로덕션 환경에 적합한 컨테이너화가 필요한 R 기반 프로젝트를 배포할 때 사용하세요.
빠른 설치
Claude Code
추천npx 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-dockerfileClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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
GitHub 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
