如果你已經有開發一些 side project 的經驗、並且想把自己的程式碼分享給別人分享時，會不會常常遇到以下問題？
欸～這台電腦沒有xxx套件啦！你這隻程式用的套件好多，都還要一個一個安裝好麻煩耶= =
如果你開始遇到這個問題，那代表你開始需要下面這隻小鯨魚 Docker：
範例實作：中研院斷詞系統 API
中研院詞庫小組有針對中文斷詞，釋出一個 python API，因此我想用以下的 python 程式幫我把輸入的文檔進行斷詞：
在上述的 cut_word.py 中，我需要事先安裝的套件有：
- pandas -> 幫我讀取 csv 檔案
- ckiptagger -> python API
- gdown -> 下載斷詞詞庫
- tensorflow==1.13.1 -> ckiptagger規定要的 tensorflow 版本 (毛很多
只要這隻 cut_word.py 換到不同的電腦，都要再確認上面四個套件有沒有正確安裝，似乎有點麻煩(有的套件還要指定版本= =)，因此我們利用 Docker 提供容器化的服務：為我們所需要執行的程式、建立一個容器(container)。
這個容器所包含的環境已經預先寫好，當我們建立起來的時候就已經是準備好執行這隻程式的所有環境(EX. Linux OS, python3, library...)，我們只要在容器裡面執行程式，就可以順順利利地跑出想要的結果～
使用 Docker 有以下基本流程：
1. 撰寫 Dockerfile
Dockerfile 可謂整個服務的核心，它描述了整個容器的環境如何被建置，我寫了以下的 Dockerfile：
- FROM: 選擇以哪一個 image 作為基底
- ENV: 設定環境變數，例如：時區 time zone
- COPY: 將一些必要會執行的程式與檔案複製到 image 中，像是在 requirement.txt 中詳細記載了要安裝的 python套件:
pandas==0.25.1
tensorflow==1.13.1
ckiptagger
gdown- RUN: 在基底 image 上執行一些要安裝的程式，例如我這邊先執行了一個 download_ckip.py，事先把詞庫下載下來到 image 中。另外還有使用指令
$ pip install把 requirements.txt 中的套件安裝好。
- CMD: 啟動 image 時，container 預設要執行的指令，通常就是我們的主程式 cut_word.py
2. 建置 image
寫好 Dockerfile 以後，我們要利用它來 build image，在同個資料夾底下輸入指令 $ docker build -t {your_image_name} . 就可以建置起來。(過程會有點久，因為中研院斷詞庫有點大 2GB)
完成後再輸入 $ docker images 可以查看你剛建置好的 images，假設我剛剛想要的映像檔名稱為「test_cut」，這時就可以檢查看看有沒有建置成功。
3. 執行 Container
確認建置好 image 之後，接下來輸入 $ docker run {image_name} 就可以利用剛剛的映像檔 test_cut 來執行 container。
這裡因為沒有再加其他參數，所以 container 執行完結果就會立即停止，如果想要查看，則可以輸入 $ docekr ps來查看剛剛執行的 container 狀態。
透過這個範例的實作，我們快速地了解到 docker 好用的地方:)
往後要在別台主機上部署自己的程式時，記得想起這個好用的小鯨魚🐳
程式的範例檔可以參考我的 github，可以自行把他 clone 下來玩玩看，把工作目錄切換到 cut_word 資料夾 下試著執行上述的操作吧～相信操作完你會更有感覺。
延伸閱讀
關於 docker 建立 images 並且 run container 還有其他種方式，假設我現在需要建立很多 container 、並且彼此之間要有相連有服務怎麼辦？這個就留到後續我摸更熟再來分享吧ＸＤ
