Hành trình Docker: "Đóng gói" ứng dụng Python dễ như ăn kẹo chỉ trong 2 ngày!

Lê Lân

16/06/2025

Hành Trình Khám Phá Docker: Từ Những Bước Đầu Đến Ứng Dụng Thuật Toán KNN Với Python

Mở Đầu

Docker đang trở thành một trong những công cụ quan trọng nhất giúp các nhà phát triển đóng gói và triển khai ứng dụng một cách hiệu quả và đồng nhất. Qua bài viết này, tôi sẽ chia sẻ về hành trình học Docker trong hai ngày, từ bước bắt đầu với Dockerfile đến việc container hóa ứng dụng Python áp dụng thuật toán K-Nearest Neighbors (KNN).

Hãy cùng khám phá cách Docker giúp bạn xây dựng môi trường phát triển linh hoạt, dễ dàng mang đi và chia sẻ, đồng thời hỗ trợ mạnh mẽ trong việc triển khai các mô hình dữ liệu và ứng dụng phức tạp.

Ngày 2: Bắt Đầu Với Docker

Viết Dockerfile cho Ứng Dụng Python Đơn Giản

Chiều sâu của Docker nằm ở việc bạn có thể mô tả môi trường ứng dụng trong một tập tin gọi là Dockerfile. Ngày 2, tôi đã bắt đầu với:

Sử dụng image chính thức của Python từ Docker Hub.

Thiết lập thư mục làm việc bên trong container.

Cài đặt các thư viện quan trọng như scikit-learn, pandas và joblib.

Đặt script Python chạy tự động khi container khởi động.

Điều này giúp đảm bảo mọi thứ chạy đều trên một môi trường chuẩn, bất kể nơi nào bạn triển khai container.

Xây Dựng Ảnh Docker

Để tạo ra ảnh Docker từ Dockerfile, tôi dùng lệnh sau:

docker build -t my-python-app .

<mark>-t my-python-app</mark> : Đặt tên cho ảnh giúp dễ dàng quản lý.

. : Thư mục chứa Dockerfile.

Chạy Container với Ảnh Docker

Sau khi xây dựng, chạy container bằng cách:

docker run my-python-app

Điều này giúp chạy ứng dụng Python trong môi trường cách ly, bảo đảm tính nhất quán và tránh xung đột phần mềm.

Điều quan trọng: Container hóa giúp bạn loại bỏ rào cản về môi trường triển khai, từ máy cá nhân đến server hoặc cloud.

Ngày 3: Áp Dụng Thuật Toán KNN Trong Docker

Khai Thác Bộ Dữ Liệu Doanh Số

Trong ngày tiếp theo, tôi làm việc với một bộ dữ liệu doanh số để dự đoán hiệu suất kinh doanh dựa trên các đặc tính như:

Vùng miền (region)

Nhân viên bán hàng (sales rep)

Loại sản phẩm (product category)

Viết Script Python với Thuật Toán KNN

Tôi xây dựng file sales.py , với mục tiêu:

Sử dụng thư viện scikit-learn triển khai thuật toán KNN.

Huấn luyện mô hình với bộ dữ liệu.

Dự đoán hiệu quả bán hàng dựa trên những thông tin đầu vào.

Docker Hoá Ứng Dụng Thuật Toán Doanh Số

Tương tự bước trước, tôi viết Dockerfile riêng cho sales.py , đảm bảo toàn bộ thư viện và mã nguồn được đóng gói trong container.

Điều này rất hữu ích để:

Đảm bảo mô hình chạy đúng đắn trên mọi máy chủ.

Tăng tính linh hoạt khi triển khai hoặc chia sẻ ứng dụng.

Đẩy Ảnh Docker Lên Docker Hub

Để chia sẻ và lưu trữ ảnh, sử dụng:

docker push my-python-app

Docker Hub là nền tảng tuyệt vời để lưu trữ ảnh Docker, dễ dàng truy cập và triển khai bất kỳ đâu.

Lưu ý: Trước khi push, cần đăng nhập Docker Hub bằng docker login .

Tổng Kết Các Lệnh Sử Dụng

Hành Động	Lệnh Docker
Xây dựng ảnh Docker	`docker build -t my-python-app .`
Chạy container	`docker run my-python-app`
Đăng nhập Docker Hub	`docker login`
Đẩy ảnh lên Docker Hub	`docker push my-python-app`

Lời Kết

Qua hai ngày trải nghiệm, Docker đã chứng minh là công cụ vô cùng mạnh mẽ trong việc đóng gói, triển khai ứng dụng, đặc biệt với các ứng dụng Python liên quan đến khoa học dữ liệu.

Từ viết Dockerfile, xây dựng ảnh đến chạy container và đẩy ảnh lên Docker Hub, mọi quy trình đều khá đơn giản và hiệu quả.

Nếu bạn đang theo đuổi sự nghiệp phát triển phần mềm hoặc khoa học dữ liệu, học Docker sẽ mở ra nhiều cơ hội mới để quản lý ứng dụng chuyên nghiệp, nhanh chóng và tiện lợi hơn.

Hãy bắt đầu tạo những Docker container đầu tiên của bạn và trải nghiệm sự khác biệt!

Tham Khảo

Docker Documentation. https://docs.docker.com/

Scikit-learn User Guide. https://scikit-learn.org/stable/user_guide.html

Docker Hub. https://hub.docker.com/

"Hands-On Docker for Python Developers" – Book for practical guidance.