关于
This skill generates 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 when containerizing R applications, creating reproducible environments, or deploying 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: > Erstelle ein Dockerfile fuer R-Projekte mit rocker-Basisimages. Umfasst die Installation von Systemabhaengigkeiten, R-Paketinstallation, renv-Integration und optimierte Layer-Reihenfolge fuer schnelle Rebuilds. Verwende diesen Skill beim Containerisieren einer R-Anwendung oder Analyse, beim Erstellen reproduzierbarer R-Umgebungen, beim Deployen R-basierter Dienste (Shiny, Plumber, MCP-Server) oder beim Einrichten konsistenter Entwicklungsumgebungen auf verschiedenen Rechnern. 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: de source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16
R-Dockerfile erstellen
Erstelle ein Dockerfile fuer R-Projekte mit rocker-Basisimages und ordnungsgemaessem Abhaengigkeitsmanagement.
Wann verwenden
- Containerisieren einer R-Anwendung oder Analyse
- Erstellen reproduzierbarer R-Umgebungen
- Deployen R-basierter Dienste (Shiny, Plumber, MCP-Server)
- Einrichten konsistenter Entwicklungsumgebungen
Eingaben
- Erforderlich: R-Projekt mit Abhaengigkeiten (DESCRIPTION oder renv.lock)
- Erforderlich: Zweck (Entwicklung, Produktion oder Dienst)
- Optional: R-Version (Standard: neueste stabile Version)
- Optional: Zusaetzlich benoetigte Systembibliotheken
Vorgehensweise
Schritt 1: Basisimage waehlen
| Anwendungsfall | Basisimage | Groesse |
|---|---|---|
| Minimale R-Laufzeitumgebung | rocker/r-ver:4.5.0 | ~800MB |
| Mit tidyverse | rocker/tidyverse:4.5.0 | ~1.8GB |
| Mit RStudio Server | rocker/rstudio:4.5.0 | ~1.9GB |
| Shiny-Server | rocker/shiny-verse:4.5.0 | ~2GB |
Erwartet: Ein Basisimage wird ausgewaehlt, das den Projektanforderungen entspricht, ohne unnoetige Aufblaehung.
Bei Fehler: Bei Unsicherheit, welches Image verwendet werden soll, mit rocker/r-ver (minimal) beginnen und Pakete nach Bedarf hinzufuegen. Den vollstaendigen Image-Katalog unter rocker-org pruefen.
Schritt 2: Dockerfile schreiben
FROM rocker/r-ver:4.5.0
# Systemabhaengigkeiten installieren
# Nach Zweck gruppiert fuer Uebersichtlichkeit
RUN apt-get update && apt-get install -y \
# HTTP/SSL
libcurl4-openssl-dev \
libssl-dev \
# XML-Verarbeitung
libxml2-dev \
# Git-Integration
libgit2-dev \
libssh2-1-dev \
# Grafik
libfontconfig1-dev \
libharfbuzz-dev \
libfribidi-dev \
libfreetype6-dev \
libpng-dev \
libtiff5-dev \
libjpeg-dev \
# Hilfsprogramme
git \
curl \
&& rm -rf /var/lib/apt/lists/*
# R-Pakete installieren
# Reihenfolge: am wenigsten aenderbare zuerst fuer Cache-Effizienz
RUN R -e "install.packages(c( \
'remotes', \
'devtools', \
'renv' \
), repos='https://cloud.r-project.org/')"
# Arbeitsverzeichnis setzen
WORKDIR /workspace
# Zuerst renv-Dateien kopieren (Cache-Layer)
COPY renv.lock renv.lock
COPY renv/activate.R renv/activate.R
# Pakete aus Lockfile wiederherstellen
RUN R -e "renv::restore()"
# Projektdateien kopieren
COPY . .
# Standardbefehl
CMD ["R"]
Erwartet: Dockerfile wird erfolgreich mit docker build -t myproject . gebaut.
Bei Fehler: Wenn der Build waehrend apt-get install fehlschlaegt, Paketnamen fuer die Zieldistribution (Debian) pruefen. Wenn renv::restore() fehlschlaegt, sicherstellen, dass renv.lock und renv/activate.R vor dem Restore-Schritt kopiert werden.
Schritt 3: .dockerignore erstellen
.git
.Rproj.user
.Rhistory
.RData
renv/library
renv/cache
renv/staging
docs/
*.tar.gz
Erwartet: .dockerignore schliesst Git-Verlauf, IDE-Dateien, lokale renv-Bibliothek und Build-Artefakte aus dem Docker-Kontext aus.
Bei Fehler: Wenn der Docker-Build weiterhin unerwuenschte Dateien kopiert, sicherstellen, dass .dockerignore im selben Verzeichnis wie das Dockerfile liegt und korrekte Glob-Muster verwendet.
Schritt 4: Bauen und Testen
docker build -t r-project:latest .
docker run --rm -it r-project:latest R -e "sessionInfo()"
Erwartet: Container startet mit korrekter R-Version und alle Pakete sind verfuegbar. Die sessionInfo()-Ausgabe bestaetigt die erwartete R-Version.
Bei Fehler: Build-Logs auf Systemabhaengigkeitsfehler pruefen. Fehlende -dev-Pakete zum apt-get install-Layer hinzufuegen.
Schritt 5: Fuer Produktion optimieren
Fuer Produktions-Deployments Multi-Stage-Builds verwenden:
# Build-Phase
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()"
# Laufzeit-Phase
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"]
Erwartet: Multi-Stage-Build erzeugt ein kleineres finales Image. Die Laufzeit-Phase enthaelt nur kompilierte R-Pakete, keine Build-Tools.
Bei Fehler: Wenn Pakete in der Laufzeit-Phase nicht geladen werden koennen, sicherstellen, dass der Bibliothekspfad in COPY --from=builder mit dem Installationsort der R-Pakete uebereinstimmt. Mit R -e ".libPaths()" in beiden Phasen pruefen.
Validierung
-
docker buildwird fehlerfrei abgeschlossen - Container startet und R-Sitzung funktioniert
- Alle erforderlichen Pakete sind verfuegbar
-
.dockerignoreschliesst unnoetige Dateien aus - Image-Groesse ist angemessen fuer den Anwendungsfall
- Rebuilds sind schnell, wenn sich nur Code aendert (Layer-Caching funktioniert)
Haeufige Fehler
- Fehlende Systemabhaengigkeiten: R-Pakete mit kompiliertem Code benoetigen
-dev-Bibliotheken. Fehlermeldungen waehrendinstall.packages()pruefen. - Layer-Cache-Invalidierung: Das Kopieren aller Dateien vor der Paketinstallation invalidiert den Cache bei jeder Code-Aenderung. Zuerst die Lockfile kopieren.
- Grosse Images:
rm -rf /var/lib/apt/lists/*nachapt-get installverwenden. Multi-Stage-Builds in Betracht ziehen. - Zeitzonen-Probleme:
ENV TZ=UTChinzufuegen odertzdatafuer zeitzonenbewusste Operationen installieren. - Als Root ausfuehren: Fuer Produktion einen Nicht-Root-Benutzer hinzufuegen:
RUN useradd -m appuser && USER appuser
Beispiele
# Entwicklungscontainer mit eingehaengtem Quellcode
docker run --rm -it -v $(pwd):/workspace r-project:latest R
# Plumber-API-Dienst
docker run -d -p 8000:8000 r-api:latest
# Shiny-App
docker run -d -p 3838:3838 r-shiny:latest
Verwandte Skills
setup-docker-compose- Mehrere Container orchestrierencontainerize-mcp-server- Spezialfall fuer MCP-R-Serveroptimize-docker-build-cache- Erweiterte Caching-Strategienmanage-renv-dependencies- renv.lock speist Docker-Builds
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 ai, mcp and design.
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。
