Django部署教程:Docker与Gunicorn配置详解
2026-03-27 13:12:31
0浏览
收藏
本文详解如何为Django项目构建安全、轻量且生产就绪的Docker镜像,强调必须摒弃开发模式(如runserver)、采用多阶段构建分离依赖与运行环境,并正确配置Gunicorn以实现高并发与外部可访问性;同时涵盖关键避坑点:绑定地址必须用0.0.0.0而非127.0.0.1、静态文件需在第二阶段前完成收集、模块路径与工作目录需严格匹配、务必启用PYTHONUNBUFFERED=1确保日志实时可见,以及敏感配置(数据库、密钥)必须通过环境变量动态注入——每一步都直击线上部署中最易出错的核心环节,助你避开90%的Docker化踩坑陷阱。

怎么写一个最小可用的 Django Dockerfile
核心是别把开发依赖打进生产镜像,也别让 manage.py 直接跑在容器里。Django 本身不自带生产级 HTTP 服务,必须用 gunicorn 或 uWSGI 转发请求。
推荐用多阶段构建,第一阶段装依赖并收集静态文件,第二阶段只复制编译好的 Python 包和代码:
FROM python:3.11-slim WORKDIR /app COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt FROM python:3.11-slim WORKDIR /app COPY --from=0 /usr/local/lib/python3.11/site-packages /usr/local/lib/python3.11/site-packages COPY . . RUN python manage.py collectstatic --noinput EXPOSE 8000 CMD ["gunicorn", "--bind", "0.0.0.0:8000", "--workers", "4", "myproject.wsgi:application"]
requirements.txt里要区分django和gunicorn,别漏掉gunicorncollectstatic必须在第二阶段前运行,否则 Nginx 找不到static/文件- 别用
python manage.py runserver,它不是为生产设计,没并发、没超时控制、会暴露调试信息
为什么 Gunicorn 的 --bind 不能写成 127.0.0.1:8000
容器内进程默认绑定到 0.0.0.0,写成 127.0.0.1 会导致外部(比如 Nginx 容器或宿主机)连不上——Docker 网络里,127.0.0.1 指的是当前容器自己,不是宿主机。
- 正确写法是
--bind 0.0.0.0:8000或简写为--bind :8000 - 如果加了
--reload,Gunicorn 会监听文件变化,但 Docker 镜像里代码是只读的,这个参数只对本地开发有用,上线必须删掉 --workers数建议设为 CPU 核数 × 2 + 1,单核机器就用3,别盲目堆高
Docker 启动时提示 ModuleNotFoundError: No module named 'myproject.wsgi'
这是路径或模块名错了,不是包没装。Gunicorn 启动时会在当前目录下找 Python 包,而 myproject.wsgi 是相对导入路径,要求 myproject/ 是一个合法包(含 __init__.py),且当前工作目录是它的父目录。
- 确认
myproject/__init__.py存在(哪怕为空) CMD前加WORKDIR /app,确保/app下有myproject/目录- 检查
manage.py里的os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'myproject.settings'),模块名必须和目录名一致 - 别在
settings.py里用绝对路径拼BASE_DIR,Docker 里__file__的位置和本地不同
要不要在 Dockerfile 里用 ENV PYTHONUNBUFFERED=1
要用,而且是必须项。Python 默认会缓冲 stdout/stderr,Docker 日志采集器(如 docker logs)看不到实时输出,线上出错时只能干等或进容器 tail -f。
- 加上
ENV PYTHONUNBUFFERED=1后,所有 print、logging 都立即刷到 stdout - 顺带加
ENV PYTHONDONTWRITEBYTECODE=1,避免容器里生成__pycache__,减小镜像体积、避免权限问题 - 这两个环境变量不影响功能,只改日志行为,不加不会报错,但会让排障变慢
最麻烦的其实是数据库连接和密钥管理——Docker 里不能硬编码 DATABASE_URL 或 SECRET_KEY,得靠 docker run -e 或 docker-compose.yml 注入,这部分一旦漏掉,服务起来也连不上库。
到这里,我们也就讲完了《Django部署教程:Docker与Gunicorn配置详解》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
银川中小学2026年开学时间公布
- 上一篇
- 银川中小学2026年开学时间公布
- 下一篇
- Bandizip密码忘记怎么解?密码恢复教程
查看更多
最新文章
-
- 文章 · python教程 | 3小时前 |
- Python singledispatchmethod 在继承类中为什么没有命中重载
- 362浏览 收藏
-
- 文章 · python教程 | 3小时前 | Python bisect bisect_left bisect_right 重复分数
- Python bisect 查找重复分数时怎么定位区间
- 118浏览 收藏
-
- 文章 · python教程 | 5小时前 | python · Python 异常传播 函数装饰器 contextlib.ContextDecorator with
- Python ContextDecorator 同时支持 with 与函数装饰器的实现边界
- 242浏览 收藏
-
- 文章 · python教程 | 5小时前 | 文件处理 · python · 异常排查 · Python 工作目录 异常恢复 contextlib.chdir
- Python contextlib.chdir 临时切换目录后如何保证异常恢复
- 158浏览 收藏
-
- 文章 · python教程 | 6小时前 | 缓存 · python · Python 缓存失效 实例属性 __dict__ functools.cached_property
- Python functools.cached_property 删除属性后如何强制刷新缓存
- 463浏览 收藏
-
- 文章 · python教程 | 6小时前 | 标准库 · python · 数据处理 · 问题排查 · collections.Counter 库存扣减 Python Counter.subtract 缺失项目 负计数
- Python Counter.subtract 后怎么判断真正缺失的项目
- 410浏览 收藏
-
- 文章 · python教程 | 6小时前 | python ·
- Python defaultdict 访问缺省键为什么会改变字典内容
- 482浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 459次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 538次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 487次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 306次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

