Docker Build 怎么用缓存挂载加速依赖安装
Docker Build 的缓存挂载适合解决“Dockerfile 这一层必须重建,但包管理器不该重新下载全部依赖”的问题。做法是在 RUN 指令中加入 --mount=type=cache,把 npm 的下载缓存放到 BuildKit 管理的持久目录;镜像层失效后,安装命令仍可复用已下载的包。
官方说明:https://docs.docker.com/build/cache/optimize/
缓存挂载不等于把 node_modules 永久塞进镜像层。它保存的是包管理器缓存目录;依赖清单变化时安装步骤仍会执行,但只需下载新增或变化的包。
- 先复制依赖清单并安装,再复制经常变化的业务源码。
- npm 的 cache target 通常是
/root/.npm。 - 第二次构建要到 Docker Desktop 的 Builds 视图检查缓存使用,而不是只看总耗时。
一、先拆开依赖层和源码层
打开项目根目录的 Dockerfile,先复制 package.json 与锁文件,完成依赖安装后再复制其余源码。这样普通源码修改不会先让依赖清单层失效。
# syntax=docker/dockerfile:1 FROM node:22-alpine WORKDIR /app # 先复制依赖清单,让依赖层只受清单变化影响 COPY package.json package-lock.json ./ # 下一步会在这里添加 npm 缓存挂载 RUN npm ci # 业务源码变化时,不必让前面的清单复制失效 COPY . . CMD ["node", "server.js"]

路径:项目根目录 → Dockerfile → 依赖清单复制段。成功状态是 COPY package.json package-lock.json ./ 位于 COPY . . 之前。
二、给 npm 安装步骤添加 cache mount
把原来的 RUN npm ci 改成带缓存挂载的写法。target 必须指向包管理器实际使用的缓存目录;npm 的官方示例使用 /root/.npm。
# 把 npm 下载缓存交给 BuildKit 跨构建保存
RUN --mount=type=cache,target=/root/.npm \
npm ci

type=cache 和 target=/root/.npm;保存后才进行构建。路径:Dockerfile → RUN npm ci → 在命令前加入 --mount=type=cache,target=/root/.npm。这里缓存的是下载内容,不会自动把主机目录复制进最终镜像。
三、构建两次并核对缓存使用
保存 Dockerfile 后执行一次构建,再只修改业务源码并重新构建。命令中的标签可以替换为自己的镜像名:
# 第一次构建用于创建镜像层和 npm 缓存 docker buildx build --load -t demo-cache:latest . # 修改普通源码后再次构建,观察依赖下载缓存是否被复用 docker buildx build --load -t demo-cache:latest .
然后打开 Docker Desktop,进入 Builds → Build history → 选择刚完成的构建 → Info。在 Build timing 区域查看 Cache usage;也可以切换到 Logs,确认依赖安装步骤没有重新下载全部包。

只有 BuildKit 驱动的构建会出现在 Builds 视图。若列表里没有记录,先确认当前 builder 正在运行,并且命令使用的是 Buildx/BuildKit 路径。
四、按包管理器调整 target
| 工具 | 常见缓存目标 | 注意点 |
|---|---|---|
| npm | /root/.npm | 缓存下载包,不等同于 node_modules |
| pip | /root/.cache/pip | 安装清单仍应单独复制 |
| Go | /go/pkg/mod、/root/.cache/go-build | 模块缓存与编译缓存可分开挂载 |
| apt | /var/cache/apt、/var/lib/apt | 并行构建通常需要 sharing=locked |
缓存挂载属于当前 builder 的缓存存储。更换 builder 或在临时 CI 机器上构建时,默认不会自动共享;这类场景要另行配置外部缓存,而不是继续扩大本地 mount。
相关问题
为什么加了 cache mount,RUN npm ci 仍然执行?
这是正常的。cache mount 复用的是 npm 下载缓存,不是跳过整个 RUN 层;依赖清单变化后命令会重新运行,但已存在的包可直接复用。
可以把 target 写成项目里的 node_modules 吗?
不建议把两者混为一谈。npm 缓存目录负责复用下载内容,node_modules 是安装结果;两者的生命周期和最终镜像需求不同。
繁花动漫适合未成年人吗?公开页面年龄提示、内容筛选与家长注意事项
- 上一篇
- 繁花动漫适合未成年人吗?公开页面年龄提示、内容筛选与家长注意事项
- 下一篇
- Go context 子任务为什么会提前出现 deadline exceeded
-
- 文章 · 软件教程 | 4小时前 |
- Docker Compose Watch 怎么同步代码并自动重建
- 481浏览 收藏
-
- 文章 · 软件教程 | 6小时前 | github · 软件教程 · GitHub Pull Request CODEOWNERS 代码评审
- GitHub 怎么用 CODEOWNERS 自动请求评审
- 437浏览 收藏
-
- 文章 · 软件教程 | 14小时前 | 软件教程 · VS Code 全局搜索 Search Editor code-search
- VS Code 怎么把搜索结果保存到编辑器标签页
- 204浏览 收藏
-
- 文章 · 软件教程 | 1天前 |
- Chrome DevTools Coverage定位未使用CSS并验证删除风险
- 417浏览 收藏
-
- 文章 · 软件教程 | 3天前 |
- Figma变量绑定组件尺寸并保持设计令牌一致的方法
- 189浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量产出抽样验收 短剧批量制作质检方法 首件全检操作规范 短视频批量抽检策略 内容工作室交付复核流程
- 商汤Seko批量产出怎么做抽样验收?首件全检、过程抽检与批尾复核
- 337浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量产出顺序 短剧批量内容排产方法 高复用镜头优先处理技巧 Seko短剧生成教程 内容工作室批量生产流程
- 商汤Seko批量产出怎么安排先后顺序?先做高复用镜头再处理特殊镜头
- 109浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量生成漏镜头 短剧镜头核对方法 AI视频批量补单技巧 短视频工作室生产流程 短剧批量产出效率优化
- 商汤Seko批量产出总有镜头漏生成怎么办?清单核对与补单方法
- 150浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量产出角色统一 Seko短剧角色一致性方法 AI生成角色基准卡搭建 短剧工作室批量素材管理 AI短剧分层抽检实操
- 商汤Seko批量产出怎么保持角色统一?模板、命名与抽检方法
- 111浏览 收藏
-
- 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
-
- 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。
- 231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。
- 276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。
- 246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。
- 227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。
- 27次使用
-
- Docker 多阶段构建怎么把调试工具排除在最终镜像
- 2026-09-07 492浏览
-
- Docker Compose 构建缓存为什么没有命中
- 2026-09-12 112浏览
-
- Docker 多阶段构建如何只保留运行时依赖
- 2026-09-12 421浏览
-
- Docker volume为有状态容器规划备份入口的实现方法
- 2026-09-19 329浏览
