关于
This Claude Skill creates optimized Dockerfiles for R projects using rocker base images. It handles system dependencies, R package installation, renv integration, and layer ordering for fast rebuilds. Use it to containerize R applications, build reproducible environments, or deploy R-based services like Shiny or Plumber APIs.
快速安装
Claude Code
推荐npx 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-dockerfile在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
name: create-r-dockerfile description: > rockerベースイメージを使用してRプロジェクト用のDockerfileを作成する。システム依存関係のインストール、 Rパッケージのインストール、renv統合、高速リビルドのための最適化されたレイヤー順序をカバーする。 Rアプリケーションや分析のコンテナ化、再現可能なR環境の構築、Rベースサービス(Shiny、Plumber、 MCPサーバー)のデプロイ、またはマシン間で一貫した開発環境を構築する際に使用する。 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: containerization complexity: intermediate language: Docker tags: docker, r, rocker, container, reproducibility locale: ja source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16
R Dockerfileの作成
rockerベースイメージを使用し、適切な依存関係管理を行うRプロジェクト用Dockerfileを構築する。
使用タイミング
- Rアプリケーションや分析のコンテナ化
- 再現可能なR環境の構築
- Rベースサービス(Shiny、Plumber、MCPサーバー)のデプロイ
- 一貫した開発環境のセットアップ
入力
- 必須: 依存関係を持つRプロジェクト(DESCRIPTIONまたはrenv.lock)
- 必須: 用途(開発、本番、またはサービス)
- 任意: Rバージョン(デフォルト: 最新安定版)
- 任意: 必要な追加システムライブラリ
手順
ステップ1: ベースイメージの選択
| ユースケース | ベースイメージ | サイズ |
|---|---|---|
| 最小限のRランタイム | rocker/r-ver:4.5.0 | 約800MB |
| tidyverse付き | rocker/tidyverse:4.5.0 | 約1.8GB |
| RStudio Server付き | rocker/rstudio:4.5.0 | 約1.9GB |
| Shinyサーバー | rocker/shiny-verse:4.5.0 | 約2GB |
期待結果: プロジェクトの要件に合致し、不要な肥大化のないベースイメージが選択される。
失敗時: どのイメージを使用するか不明な場合は、rocker/r-ver(最小限)から始めて必要に応じてパッケージを追加する。完全なイメージカタログはrocker-orgを参照。
ステップ2: Dockerfileの作成
FROM rocker/r-ver:4.5.0
# システム依存関係のインストール
# 目的別にグループ化して明確にする
RUN apt-get update && apt-get install -y \
# HTTP/SSL
libcurl4-openssl-dev \
libssl-dev \
# XML処理
libxml2-dev \
# Git統合
libgit2-dev \
libssh2-1-dev \
# グラフィックス
libfontconfig1-dev \
libharfbuzz-dev \
libfribidi-dev \
libfreetype6-dev \
libpng-dev \
libtiff5-dev \
libjpeg-dev \
# ユーティリティ
git \
curl \
&& rm -rf /var/lib/apt/lists/*
# Rパッケージのインストール
# 順序: キャッシュ効率のため変更頻度の低いものから
RUN R -e "install.packages(c( \
'remotes', \
'devtools', \
'renv' \
), repos='https://cloud.r-project.org/')"
# 作業ディレクトリの設定
WORKDIR /workspace
# renvファイルを先にコピー(キャッシュレイヤー)
COPY renv.lock renv.lock
COPY renv/activate.R renv/activate.R
# ロックファイルからパッケージを復元
RUN R -e "renv::restore()"
# プロジェクトファイルをコピー
COPY . .
# デフォルトコマンド
CMD ["R"]
期待結果: docker build -t myproject . でDockerfileが正常にビルドされる。
失敗時: apt-get install中にビルドが失敗した場合、対象ディストロ(Debian)のパッケージ名を確認する。renv::restore()が失敗した場合、renv.lockとrenv/activate.Rがrestoreステップの前にコピーされていることを確認する。
ステップ3: .dockerignoreの作成
.git
.Rproj.user
.Rhistory
.RData
renv/library
renv/cache
renv/staging
docs/
*.tar.gz
期待結果: .dockerignoreがGit履歴、IDEファイル、ローカルrenvライブラリ、ビルド成果物をDockerコンテキストから除外する。
失敗時: Dockerビルドが不要なファイルをコピーし続ける場合、.dockerignoreがDockerfileと同じディレクトリにあり、正しいグロブパターンを使用していることを確認する。
ステップ4: ビルドとテスト
docker build -t r-project:latest .
docker run --rm -it r-project:latest R -e "sessionInfo()"
期待結果: コンテナが正しいRバージョンですべてのパッケージが利用可能な状態で起動する。sessionInfo()の出力で期待されるRバージョンが確認できる。
失敗時: ビルドログでシステム依存関係のエラーを確認する。不足している-devパッケージをapt-get installレイヤーに追加する。
ステップ5: 本番環境向け最適化
本番デプロイにはマルチステージビルドを使用する:
# ビルドステージ
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()"
# ランタイムステージ
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"]
期待結果: マルチステージビルドにより最終イメージが小さくなる。ランタイムステージにはコンパイル済みRパッケージのみが含まれ、ビルドツールは含まれない。
失敗時: ランタイムステージでパッケージの読み込みに失敗する場合、COPY --from=builderのライブラリパスがRのインストール先と一致していることを確認する。両方のステージでR -e ".libPaths()"で確認する。
バリデーション
-
docker buildがエラーなく完了する - コンテナが起動しRセッションが動作する
- すべての必要なパッケージが利用可能
-
.dockerignoreが不要なファイルを除外している - イメージサイズがユースケースに対して適切
- コード変更のみの場合のリビルドが高速(レイヤーキャッシュが機能)
よくある落とし穴
- システム依存関係の不足: コンパイルコードを含むRパッケージには
-devライブラリが必要。install.packages()中のエラーメッセージを確認する - レイヤーキャッシュの無効化: パッケージインストール前にすべてのファイルをコピーすると、コード変更のたびにキャッシュが無効化される。先にロックファイルをコピーする
- 大きなイメージ:
apt-get installの後にrm -rf /var/lib/apt/lists/*を使用する。マルチステージビルドを検討する - タイムゾーンの問題: タイムゾーン対応の操作には
ENV TZ=UTCを追加するかtzdataをインストールする - rootでの実行: 本番環境には非rootユーザーを追加する:
RUN useradd -m appuser && USER appuser
例
# ソースをマウントした開発コンテナ
docker run --rm -it -v $(pwd):/workspace r-project:latest R
# Plumber APIサービス
docker run -d -p 8000:8000 r-api:latest
# Shinyアプリ
docker run -d -p 3838:3838 r-shiny:latest
関連スキル
setup-docker-compose- 複数コンテナのオーケストレーションcontainerize-mcp-server- MCP Rサーバーの特殊ケースoptimize-docker-build-cache- 高度なキャッシュ戦略manage-renv-dependencies- renv.lockがDockerビルドに入力される
GitHub 仓库
Frequently asked questions
What is the create-r-dockerfile skill?
create-r-dockerfile is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform create-r-dockerfile-related tasks without extra prompting.
How do I install create-r-dockerfile?
Use the install commands on this page: add create-r-dockerfile to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does create-r-dockerfile belong to?
create-r-dockerfile is in the Meta category, tagged mcp.
Is create-r-dockerfile free to use?
Yes. create-r-dockerfile is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
相关推荐技能
Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。
这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。
该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。
SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。
