Dockerfile 최적화 전략: 가볍고 빠른 Python 이미지 만들기 (Slim vs Alpine, Layer Caching)

컨테이너 기반 배포의 핵심은 Dockerfile이다. 이 스크립트 파일을 어떻게 작성하느냐에 따라 배포 속도가 10분이 걸릴 수도, 10초가 걸릴 수도 있다.

이번 포스트에서는 단순히 “돌아가는” 이미지가 아니라, “가볍고 빠르며 안정적인” Python 애플리케이션 이미지를 만들기 위한 3가지 핵심 전략을 정리한다.

---

Dockerfile 기본 문법

Dockerfile은 Docker 이미지를 생성하기 위한 스크립트 파일이다. 이미지 빌드 과정에서 실행할 명령어와 설정을 작성한다.

전략을 논하기 전에, 자주 사용되는 명령어들을 짧게 짚고 넘어가자.

명령어	설명	비고
FROM	생성할 이미지의 베이스(기반)가 될 이미지 결정	python:3.12-slim
ENV	컨테이너 내부의 환경 변수 설정	ENV TZ=Asia/Seoul
WORKDIR	명령어를 실행할 작업 디렉토리 설정	cd와 유사함
COPY	호스트(내 컴퓨터)의 파일을 이미지로 복사	COPY <src> <dest>
RUN	이미지 빌드 과정에서 실행할 명령어	pip install 등
CMD	컨테이너가 시작될 때 실행할 명령어	uvicorn ...
EXPOSE	컨테이너가 수신 대기할 포트 명시	문서화 목적이 강함

최적화된 Dockerfile 예시

다음은 Layer Caching과 Slim 이미지 전략이 적용된 Dockerfile이다.

# 1. Base Image Strategy: 호환성을 위해 slim 사용
FROM python:3.12-slim

# 2. Environment Strategy: 로그 버퍼링 제거 & .pyc 생성 방지
ENV PYTHONDONTWRITEBYTECODE=1 \
    PYTHONUNBUFFERED=1

# 3. Work Directory
WORKDIR /app

# 4. Install System Dependencies
# gcc, libpq-dev 등 빌드에 필요한 최소 패키지 설치 후 캐시 삭제
RUN apt-get update && apt-get install -y --no-install-recommends \
    gcc \
    libpq-dev \
    && rm -rf /var/lib/apt/lists/*

# 5. Layer Caching Strategy ⭐
# 소스코드보다 requirements.txt를 먼저 복사해야 함
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 6. Copy Project Code
COPY . .

# 7. Execution Command
CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8000"]

전략 상세 분석

① Base Image 전략: 왜 alpine이 아니라 slim인가?

보통 용량을 극한으로 줄이기 위해 alpine 리눅스를 많이 사용한다. 하지만 Python 프로젝트, 특히 AI/데이터 분석 라이브러리를 쓴다면 alpine은 피하는 것이 좋다.

• Alpine (Musl Lib): C 표준 라이브러리로 musl을 사용한다. 하지만 Pandas, Numpy 같은 대부분의 Python 라이브러리는 glibc(GNU C Library)에 의존한다.

• 문제점: alpine에서 이를 돌리려면 설치할 때마다 C 코드를 직접 컴파일해야 한다. 이 과정에서 빌드 시간이 엄청나게 길어지고, 원인 모를 호환성 에러가 자주 발생한다.

• Slim (Glibc): Debian 기반의 경량화 버전으로, glibc를 기본 지원하여 호환성이 완벽하다.

불필요한 툴을 뺀 python:3.12-slim이 AI/Backend 프로젝트의 표준이다.

② 레이어 캐싱 전략 (Layer Caching) ⭐

Docker 빌드 속도를 결정하는 가장 중요한 요소다. Docker는 Dockerfile을 위에서부터 한 줄씩 실행하며, 각 단계의 결과를 레이어(Layer)로 저장해 둔다.

• 안 좋은 예

  COPY . .  # 소스코드를 먼저 다 복사함
  RUN pip install -r requirements.txt
  

소스코드(main.py 등)를 한 글자만 고쳐도, Docker는 “어? 파일이 바뀌었네? 다음 줄부터 다시 실행해!” 라고 판단한다. 결과적으로 코드를 고칠 때마다 무거운 pip install을 매번 다시 수행한다.

• 좋은 예 ```Dockerfile COPY requirements.txt . # 의존성 명세만 먼저 복사 RUN pip install -r requirements.txt # 설치 진행

COPY . . # 그 다음에 소스코드 복사 ```

코드를 수정하더라도 requirements.txt 내용이 바뀌지 않았다면, Docker는 pip install 단계를 건너뛰고 캐시된 레이어를 그대로 사용(0초 소요)한다.

③ 환경 변수 전략

컨테이너 환경에 최적화된 Python 설정을 주입한다.

• PYTHONDONTWRITEBYTECODE=1: 파이썬은 실행 시 .pyc (컴파일된 캐시 파일)를 생성하는데, 컨테이너는 보통 한 번 실행하고 사라지므로 이 파일이 필요 없다. 이를 방지해 이미지 크기를 약간 줄이고 쓰기 작업을 방지한다.

• PYTHONUNBUFFERED=1: 파이썬은 로그를 버퍼(Buffer)에 모았다가 출력하는 습성이 있다. 이 옵션을 켜면 로그가 발생하는 즉시 콘솔에 출력되므로, 앱이 비정상 종료되었을 때 로그가 잘리는 것을 방지할 수 있다. 디버깅을 위해 필수다.

---

마치며

Dockerfile은 한 번 잘 짜두면 개발 생산성을 지속적으로 높여주는 자산이다. 특히 Layer Caching 순서는 CI/CD 파이프라인의 배포 시간을 획기적으로 줄여주므로 반드시 적용하자.

---

레퍼런스

• 브라더댄 🐳 Docker 강의 3강: Dockerfile을 이용한 커스텀 이미지 생성