通过Docker部署FastAPI应用程序

🌞欢迎来到PyTorch深度学习实战的世界
🌈博客主页：卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

📆首发时间：🌹2026年5月24日🌹

✉️希望可以和大家一起完成进阶之路！

🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

---

目录

Docker 是什么

安装 Docker Desktop

准备文件

​用 Xftp 连接服务器

Step 1：先确认你本地的项目文件

Step 2：在项目目录新增 3 个文件

Step 3：检查项目最终结构

Step 4：把文件传到服务器

Step 5：在服务器上验证文件

Step 6：在服务器上安装 Docker

Step 7：构建 Docker 镜像

Step 8：启动容器

Step 9：在服务器内部测试

Step 10：配置阿里云防火墙（让外部能访问）

Step 11：从本地电脑测试外部访问

常用 Docker 命令清单

组 1：容器生命周期

组 2：查看状态

组 3：调试和诊断

组 4：清理资源

模型/代码更新流程

Docker 是什么

一个真实场景：假设你这个曝气预测 API 训练好了，要部署到污水厂的服务器上。没有 Docker 时

你会面临什么？

你电脑上 厂里服务器上 ───────── ───────────── Windows 11 CentOS 7 Python 3.10 Python 3.6 PyTorch 2.1 未安装 你的代码 什么都没有 模型文件 什么都没有

你需要做的事：

1. 远程连服务器

2. 装 Python 3.10（系统自带 3.6 不能用，但又不能卸载，可能依赖系统）

3. 装 pip

4. 装 PyTorch（可能因为网络问题失败，下载 800MB）

5. 装其他依赖

6. 上传你的代码

7. 上传模型文件

8. 试着跑 → 各种"找不到 xxx"的报错

9. 修 bug，调环境

10. 终于跑起来了 → 重启服务器后又挂了，因为没配开机自启

11. ...

一个流程下来 2~3 天，而且换一台服务器还得重来一遍。

Docker 怎么解决这个问题？

Docker 的核心思想：把"代码 + 运行环境 + 依赖"打包成一个完整的盒子，搬到任何机器上都能直

接跑。

你电脑上 厂里服务器上 ───────── ───────────── [Docker 镜像] ───复制/推送──> [Docker 镜像] ├─ Python 3.10 ↓ ├─ PyTorch 2.1 docker run ├─ 你的代码 ↓ ├─ 模型文件 [运行中的容器] └─ 所有配置 服务正常运行 ✅

整个部署过程从"2~3 天"变成"5 分钟"。

没 Docker 时: 你做了顿菜想给朋友吃 → 跑到朋友家 → 借他的厨具 → 用他的食材 → 现场做菜 → 朋友家没烤箱 → 凉了 有 Docker 时: 你做好菜装进保温饭盒 → 拎到朋友家 → 朋友直接吃 → 不管朋友家有没有厨房, 菜的味道都一样

Docker 镜像 = 保温饭盒：里面装好了菜（代码）+ 餐具（运行环境）+ 调料（依赖） Docker 容

器 = 端上桌的那份饭：从饭盒拿出来的可吃的状态

三个必须懂的核心概念

┌─────────────────────────────────────────────────────┐ │ │ │ Dockerfile ──build──> Image ──run──> Container│ │ (菜谱) (饭盒) (上桌的饭)│ │ │ └─────────────────────────────────────────────────────┘

比喻：

• Dockerfile 是类的定义

• Image 是类的代码（编译后的）

• Container 是类的实例（new 出来的对象）

重要关系：

• 一个 Dockerfile 可以构建出一个镜像

• 一个镜像可以启动出多个容器（就像一个类可以实例化多个对象）

安装 Docker Desktop

Docker Desktop是什么？

Docker Desktop 是给个人电脑（Mac/Windows）用的 Docker 图形化软件，它把"Docker 引擎 +

命令行工具 + 图形界面 + 一些常用功能"打包成了一个安装包。

Windows 用户特别注意

Windows 装 Docker 要先启用WSL 2（Windows Subsystem for Linux）：

# 用管理员权限打开 PowerShell wsl --install # 重启电脑

装完后验证

打开终端（Mac/Linux）或 PowerShell（Windows），运行：

docker run hello-world

这会下载一个超小的测试镜像并运行，预期输出：

Hello from Docker! This message shows that your installation appears to be working correctly. ...

但是它的内存占用还是很大的，为了方便我们从阿里租一台服务器

准备文件

本地操作: 1. 准备文件 (Dockerfile, requirements.txt, .dockerignore) 2. 把所有文件上传到服务器 ↓ 服务器操作: 3. 安装 Docker (如果还没装) 4. 构建镜像 5. 启动容器 6. 测试 API ↓ 对外开放: 7. 配置阿里云防火墙 (放行 8000 端口) 8. 外部测试

​用 Xftp 连接服务器

第一次连接

打开 Xftp

文件菜单 → 新建会话（或按 Ctrl + N）

填写连接信息： 名称: Aeration Server (随便起) 协议: SFTP 主机: 你的服务器公网 IP (比如 47.123.45.67) 端口号: 22 用户名: root 密码: 你设置的服务器密码

点 "连接"

第一次会弹"SSH 主机密钥"提示，点 "接受并保存"

Step 1：先确认你本地的项目文件

你本地应该有这些文件，全部需要上传到服务器：

你的项目目录/ ├── app.py ✅ FastAPI 服务 (你已经有) ├── predictor.py ✅ 预测器 (你已经有) └── deploy_t+1h/ ✅ 模型文件夹 ├── model.pt └── scaler.pkl

Step 2：在项目目录新增 3 个文件

2.1 创建requirements.txt

新建文件requirements.txt：

--extra-index-url https://download.pytorch.org/whl/cpu torch==2.1.0+cpu numpy==1.26.4 scikit-learn==1.4.2 joblib==1.3.2 fastapi==0.110.0 uvicorn[standard]==0.29.0 pydantic==2.6.4 EOF

可以使用下面这个命令，只会安装本项目需要的包

# 1. 在你本地电脑的项目目录 cd D:\vscode-water\D_LSTM\aeration # 2. 装 pipreqs pip install pipreqs # 3. 生成 requirements.txt pipreqs . --force # 4. 看一下 cat requirements.txt # 或在 Windows: type requirements.txt

2.2 创建Dockerfile

新建文件Dockerfile（没有后缀）：

# 基础镜像: Python 3.10 精简版 (比完整版小 600MB) FROM python:3.10-slim # 设置工作目录 (容器内的路径) WORKDIR /app # 先复制依赖文件 (利用 Docker 缓存层, 后续改代码不用重装依赖) COPY requirements.txt . # 安装依赖 # -i 用清华镜像源 (国内构建快 10 倍) RUN pip install --no-cache-dir -r requirements.txt \ -i https://pypi.tuna.tsinghua.edu.cn/simple # 复制代码和模型文件 COPY app.py predictor.py ./ COPY deploy_t+1h ./deploy_t+1h # 声明端口 (仅做说明, 实际靠 docker run 的 -p 参数映射) EXPOSE 8000 # 启动命令 CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8000"]

逐行解释：

重要点：--host 0.0.0.0不能省！容器内默认监听127.0.0.1是只能内部访问，必须用0.0.0.0

才能从外部访问。

2.3 创建.dockerignore

新建文件.dockerignore：

__pycache__ *.pyc *.pyo .git .gitignore .vscode .idea *.ipynb *.csv data/ notebooks/ features/ *.png *.pdf README.md .DS_Store .env venv/ .pytest_cache

作用：构建镜像时跳过这些不必要的文件，让镜像更小、构建更快。

Step 3：检查项目最终结构

应该是这样的：

你的项目目录/ ├── app.py ├── predictor.py ├── deploy_t+1h/ │ ├── model.pt │ └── scaler.pkl ├── requirements.txt ⭐ 新增 ├── Dockerfile ⭐ 新增 (注意: 没有后缀名!) └── .dockerignore ⭐ 新增

Step 4：把文件传到服务器

​

Step 5：在服务器上验证文件

通过 SSH 连接到服务器后：

cd /root/aeration ls -la

应该看到：

-rw-r--r-- app.py -rw-r--r-- predictor.py -rw-r--r-- Dockerfile -rw-r--r-- requirements.txt -rw-r--r-- .dockerignore drwxr-xr-x deploy_t+1h/

Step 6：在服务器上安装 Docker

如果还没装 Docker：

# 一键安装 (用阿里云镜像源, 国内快) curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun # 启动 systemctl start docker systemctl enable docker # 验证 docker --version docker run hello-world

如果报这个错误，网络连不上 Docker 官网，被防火墙挡住了，所以安装失败。

进行下面的操作

解决方案：用 apt 直接装（最稳）

按下面顺序执行（一行一行来，每行执行完看看有没有报错）：

Step 1：更新包索引

apt update

Step 2：装必要的工具

apt install -y ca-certificates curl gnupg lsb-release

Step 3：用阿里云的 Docker 源（关键！）

# 创建 keyring 目录 install -m 0755 -d /etc/apt/keyrings # 下载阿里云的 Docker GPG key curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置权限 chmod a+r /etc/apt/keyrings/docker.gpg # 添加阿里云的 Docker 软件源 echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | tee /etc/apt/sources.list.d/docker.list > /dev/null

Step 4：再更新一次（加载新源）

apt update

Step 5：装 Docker

apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

这一步会下载几百 MB，等几分钟。

出现这个页面之后

直接选 OK 就行

操作方式：

不需要勾选任何一项（不影响你装 Docker）

按 Tab 键 或 方向键 移动到 <Ok>

按 回车 确认

弹窗会消失，继续之前的命令。

这个提示是什么意思

全部不勾选最安全，避免远程连接断掉。这些服务等服务器下次重启时自然就用新库了。

安装成功了！这是 Docker 安装完成后的正常输出。

输出解释

• ✅Running kernel seems to be up-to-date— 内核是最新的

• ✅Service restarts being deferred— 服务重启被推迟（这正是你选<Ok>不勾选服务的结果，正确操作）

• ✅No containers need to be restarted— 没有正在运行的容器需要重启

• ✅No user sessions are running outdated binaries— 没有用户会话用着旧的二进制

• ✅No VM guests are running outdated hypervisor binaries— 没有虚拟机受影响

Step 6：启动并验证

systemctl start docker systemctl enable docker docker --version

应该看到：

Docker version 24.x.x, build xxxxx

Step 7：验证能运行容器

docker run hello-world

第一次会下载 hello-world 镜像，看到：

Hello from Docker! This message shows that your installation appears to be working correctly.

就说明 Docker 装好了 ✅

如果出现这个问题，进行下面的操作

Step 1：获取你的专属加速地址

1. 浏览器打开：https://cr.console.aliyun.com/cn-hangzhou/instances/mirrors

2. 如果是第一次访问，会让你**"开通服务"**——免费，点开通

3. 进去后左侧菜单点 "镜像加速器"

4. 你会看到属于你的专属加速地址，格式类似：

https://xxxxxxxx.mirror.aliyuncs.com

复制这个地址，每个账号不一样。

Step 2：在服务器上配置

重要：把下面命令中的你的专属地址替换成 Step 1 复制的地址。

mkdir -p /etc/docker cat > /etc/docker/daemon.json <<'EOF' { "registry-mirrors": [ "https://你的专属地址.mirror.aliyuncs.com", "https://docker.m.daocloud.io", "https://hub-mirror.c.163.com", "https://mirror.baidubce.com" ] } EOF

注意：我多加了几个备用镜像源（DaoCloud、网易、百度），万一阿里云的加速器某天慢了，会

自动尝试其他源。

Step 3：让配置生效

systemctl daemon-reload systemctl restart docker

Step 4：验证配置已加载

docker info | grep -A 5 "Registry Mirrors"

应该看到：

Registry Mirrors: https://xxxxxxxx.mirror.aliyuncs.com/ https://docker.m.daocloud.io/ https://hub-mirror.c.163.com/ https://mirror.baidubce.com/

Step 5：再试 hello-world

bash

docker run hello-world

这次应该秒级下载并运行：

Unable to find image 'hello-world:latest' locally latest: Pulling from library/hello-world e6590344b1a5: Pull complete Digest: sha256:xxxx Status: Downloaded newer image for hello-world:latest Hello from Docker! This message shows that your installation appears to be working correctly. ...

成功

Step 7：构建 Docker 镜像

确认你在~/aeration目录下：

cd ~/aeration pwd # 应该显示 /root/aeration ls # 应该看到 Dockerfile 等文件

构建镜像：

docker build -t aeration-api:v1 .

注意最后那个.—— 它表示"用当前目录作为构建上下文"。不要漏掉。

你会看到这样的输出

[+] Building 0.2s (2/2) FINISHED => [internal] load build definition from Dockerfile => => transferring dockerfile: 533B => [internal] load .dockerignore Step 1/7 : FROM python:3.10-slim 3.10-slim: Pulling from library/python ... Step 2/7 : WORKDIR /app ... Step 3/7 : COPY requirements.txt . ... Step 4/7 : RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple Collecting torch==2.1.0 Downloading https://pypi.tuna.tsinghua.edu.cn/.../torch-2.1.0-cp310-cp310-...whl (200 MB) ...

这一步会比较慢（5~10 分钟），因为要下载 PyTorch。耐心等，看到Successfully tagged

aeration-api:v1就成功了。

构建成功后验证

docker images

应该看到：

REPOSITORY TAG IMAGE ID CREATED SIZE aeration-api v1 abc123def456 2 minutes ago 1.2GB python 3.10-slim ... ... 125MB

Step 8：启动容器

docker run -d \ --name aeration \ -p 8000:8000 \ --restart=always \ aeration-api:v1

验证容器在跑

docker ps

CONTAINER ID IMAGE COMMAND ... PORTS NAMES abc123... aeration-api:v1 "uvicorn..." ... 0.0.0.0:8000->8000/tcp aeration

STATUS显示Up xxx seconds就说明在跑。

查看日志（确认服务正常启动）

docker logs aeration

应该看到：

INFO: Started server process [1] INFO: Waiting for application startup. INFO: Application startup complete. INFO: Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)

Step 9：在服务器内部测试

# 测试根路径 curl http://localhost:8000/ # 测试预测接口 curl -X POST http://localhost:8000/predict \ -H "Content-Type: application/json" \ -d '{"history": [520.1, 525.3, 530.0, 528.4, 535.2, 540.1, 545.6, 550.0, 548.3, 552.1, 555.7, 560.0]}'

应该看到：

{"message":"Aeration API is running. Visit /docs for documentation."} {"prediction":554.88}

如果走到这里都成功了，你的 API 已经在云服务器上跑起来了！ 🎉

Step 10：配置阿里云防火墙（让外部能访问）

服务器内部能访问不够，外部要能访问还需要开放端口。

1. 登录阿里云控制台

2. 进入"轻量应用服务器"

3. 点你的实例

4. 左侧菜单 → "防火墙"

5. 点 "添加规则"：

应用类型: 自定义 协议: TCP 端口: 8000 备注: Aeration API

6.保存

Step 11：从本地电脑测试外部访问

在本地电脑（不是服务器）打开浏览器：

http://你的服务器公网IP:8000/docs

应该看到 FastAPI 自动生成的文档页面，和你本地跑的时候一样。

或者用 Python 测试：

import requests response = requests.post( 'http://你的服务器公网IP:8000/predict', json={'history': [520.1, 525.3, 530.0, 528.4, 535.2, 540.1, 545.6, 550.0, 548.3, 552.1, 555.7, 560.0]} ) print(response.json()) # {'prediction': 554.88}

java测试

import java.io.OutputStream; import java.io.BufferedReader; import java.io.InputStreamReader; import java.net.HttpURLConnection; import java.net.URL; public class Main { public static void main(String[] args) throws Exception { String json = "{\"history\":[520.1,525.3,530.0,528.4,535.2,540.1," + "545.6,550.0,548.3,552.1,555.7,560.0]}"; // 建立连接 URL url = new URL("http://139.224.165.33:8000/predict"); HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod("POST"); conn.setRequestProperty("Content-Type", "application/json"); conn.setDoOutput(true); // 发送请求体 try (OutputStream os = conn.getOutputStream()) { os.write(json.getBytes("UTF-8")); } // 读响应 try (BufferedReader br = new BufferedReader( new InputStreamReader(conn.getInputStream(), "UTF-8"))) { StringBuilder sb = new StringBuilder(); String line; while ((line = br.readLine()) != null) sb.append(line); System.out.println(sb.toString()); // 输出: {"prediction":554.88} } } }

常用 Docker 命令清单

# 查看运行中的容器 docker ps # 查看所有容器(含已停止) docker ps -a # 查看日志 docker logs aeration # 实时查看日志(像 tail -f) docker logs -f aeration # 进入容器内部(调试用) docker exec -it aeration bash # 停止容器 docker stop aeration # 启动已停止的容器 docker start aeration # 重启容器 docker restart aeration # 删除容器(必须先停止) docker stop aeration && docker rm aeration # 查看镜像 docker images # 删除镜像 docker rmi aeration-api:v1 # 查看资源占用 docker stats aeration

┌─────────────────────────────────────────────────┐ │ 组 1: 容器生命周期 (最常用) │ │ - 启动 / 停止 / 重启 / 删除 │ ├─────────────────────────────────────────────────┤ │ 组 2: 查看状态 │ │ - ps / images / stats │ ├─────────────────────────────────────────────────┤ │ 组 3: 调试和诊断 │ │ - logs / exec │ ├─────────────────────────────────────────────────┤ │ 组 4: 清理资源 │ │ - rm / rmi │ └─────────────────────────────────────────────────┘

组 1：容器生命周期

容器有 4 个状态，命令负责状态切换：

┌──── docker stop ────┐ ▼ │ [运行中] [已停止] ▲ │ │ ▼ docker start docker rm │ ▼ [删除]

命令 作用 通俗类比 重要说明 docker stop aeration 停止容器（优雅退出） 正常点 “关机” 给程序 10 秒保存数据，安全推荐 docker stop -t 30 aeration 延长优雅退出时间 给程序多留点时间保存 自定义等待 30 秒再强制关闭 docker kill aeration 强制立即杀死容器 直接拔电源 不推荐，可能造成数据丢失 docker start aeration 启动已停止的容器 开机 只重启旧容器，不创建新容器 docker restart aeration 重启容器 重启电脑 = stop + start，快速重启 docker rm aeration 删除容器 彻底删掉这台电脑 只能删已停止的容器 docker stop aeration && docker rm aeration 停止并删除容器 关机后彻底删除 最标准、最安全的删除方式 docker rm -f aeration 强制删除运行中容器 强行粉碎电脑 不推荐，风险高

组 2：查看状态

看运行中的容器

docker ps

root@iZuf65n4utc5xziyru8dowZ:~/aeration# docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES c7280984d5a9 aeration-api:v2 "uvicorn app:app --h…" 2 hours ago Up 2 hours 0.0.0.0:8000->8000/tcp, [::]:8000->8000/tcp aeration

查看所有容器

docker ps -a

root@iZuf65n4utc5xziyru8dowZ:~/aeration# docker ps -a CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES c7280984d5a9 aeration-api:v2 "uvicorn app:app --h…" 2 hours ago Up 2 hours 0.0.0.0:8000->8000/tcp, [::]:8000->8000/tcp aeration ef3e71dc643f hello-world "/hello" 12 hours ago Exited (0) 12 hours ago

看所有镜像

实时资源占用

docker stats aeration

组 3：调试和诊断

组 4：清理资源

镜像 (Image) = 安装包 → docker rmi 删除 容器 (Container) = 运行的程序 → docker rm 删除

镜像 vs 容器到底是什么

┌──────────────────────────────────────────────────┐ │ │ │ 软件世界 Docker 世界 │ │ ──────── ──────── │ │ │ │ 软件安装包 ←→ 镜像 (Image) │ │ (.exe, .dmg) aeration-api:v2 │ │ │ │ 安装运行的程序 ←→ 容器 (Container) │ │ (任务管理器里跑着的) aeration │ │ │ └──────────────────────────────────────────────────┘

镜像（Image）

• 是个静态文件，不动

• 放在磁盘上，占空间

• 可以从这一个镜像，启动多个容器（就像同一个安装包能装到多台电脑）

容器（Container）

• 是运行的实例，活的

• 占内存和 CPU

• 一个容器只能从一个镜像启动

实物对应到你的服务器

跑docker images，你看到的是镜像：

REPOSITORY TAG SIZE aeration-api v2 8.21GB ← 一个镜像 (静态文件) python 3.10-slim 140MB ← 另一个镜像

跑docker ps，你看到的是容器：

NAMES IMAGE STATUS aeration aeration-api:v2 Up 5 hours ← 一个容器 (基于上面的镜像启动)

关系图：

┌─────────────────────────────────┐ │ 镜像: aeration-api:v2 │ (磁盘上, 8.21GB) └────────────┬────────────────────┘ │ docker run 一次 ▼ ┌─────────────────────────────────┐ │ 容器: aeration │ (运行中, 占内存) │ 正在响应 API 请求 │ └─────────────────────────────────┘

实际操作演示

删除容器：docker rm

# 容器必须先停止才能删除 docker stop aeration # 1. 停止容器 docker rm aeration # 2. 删除容器 # 或者一行搞定 docker stop aeration && docker rm aeration # 强制删除 (跳过停止, 不推荐) docker rm -f aeration

直接删运行中的容器会报错：

docker rm aeration # Error response from daemon: cannot remove a running container # 必须先 stop, 或加 -f

删除镜像：docker rmi

# 删除指定版本的镜像 docker rmi aeration-api:v1 # 删多个镜像 docker rmi aeration-api:v1 hello-world # 强制删除 (即使有容器关联) docker rmi -f aeration-api:v1

有容器在用这个镜像时，删除会报错：

docker rmi aeration-api:v2 # Error response from daemon: conflict: unable to remove repository reference # "aeration-api:v2" - container c7280984d5a9 is using its referenced image

正确做法：

# 1. 先停掉用这个镜像的容器 docker stop aeration && docker rm aeration # 2. 现在能删镜像了 docker rmi aeration-api:v2

两者的依赖关系

容器依赖镜像，镜像可以独立存在：

┌─────────────────────────────────────────────┐ │ 镜像 v1 ──────► 容器 A (运行中) │ │ └────► 容器 B (运行中) │ │ │ │ 镜像 v2 ──────► 容器 C (运行中) │ │ │ │ 镜像 v3 (无容器使用) ← 这是"孤立"的镜像 │ └─────────────────────────────────────────────┘

操作规则：

┌──────────────────────────────────────────────────────┐ │ │ │ docker build │ │ ────────────► ┌──────────────────────────┐ │ │ 从 Dockerfile │ 镜像 (Image) │ │ │ 构建 │ ───────────── │ │ │ │ - 磁盘上的静态文件 │ │ │ │ - 可以创建多个容器 │ │ │ │ - 删除用 docker rmi │ │ │ └────────────┬─────────────┘ │ │ │ │ │ │ docker run │ │ │ (创建并启动容器) │ │ ▼ │ │ ┌──────────────────────────┐ │ │ │ 容器 (Container) │ │ │ │ ───────────── │ │ │ │ - 运行中的实例 │ │ │ │ - 占用内存和 CPU │ │ │ │ - 删除用 docker rm │ │ │ │ (需先 stop) │ │ │ └──────────────────────────┘ │ │ │ └──────────────────────────────────────────────────────┘

模型/代码更新流程

以后你重新训练了模型，或者改了代码，怎么更新部署？

# 1. 进入项目目录 cd ~/aeration # 2. 在本地改完代码后, 上传新文件 (覆盖旧的) # 3. 构建新版本镜像 docker build -t aeration-api:v3 . # 4. 停掉旧容器 docker stop aeration && docker rm aeration # 5. 启动新容器 (用新镜像) docker run -d --name aeration -p 8000:8000 --restart=always aeration-api:v3 # 6. 验证服务正常 sleep 5 docker logs aeration --tail 10 curl http://localhost:8000/ # 7. 确认新版本没问题后, 删除旧镜像 !!!关键步骤!!! docker rmi aeration-api:v2