Cara Belajar Docker dari Nol: Panduan untuk Profesional Data

Langkah 3: Jalankan kontainer pertama Anda

Sekarang Docker telah terinstal, saatnya menjalankan kontainer pertama Anda. Kita akan mulai dengan image sederhana hello-world, yang sempurna untuk pemula.

1. Buka terminal Anda (atau Command Prompt di Windows) dan jalankan perintah berikut:

sudo docker run hello-world

Perintah ini memberi tahu Docker untuk mencari image hello-world secara lokal. Jika tidak ditemukan, Docker akan menarik image tersebut dari Docker Hub lalu menjalankannya.

Jika Docker terinstal dengan benar, Anda akan melihat pesan, “Hello from Docker!” beserta detail tentang cara kerja proses Docker. Output ini mengonfirmasi bahwa Docker berhasil menarik image, membuat kontainer baru, dan mengeksekusi kode di dalamnya.

Langkah 4: Bangun image Docker pertama Anda

Pada langkah ini, Anda akan membuat image Docker kustom untuk proyek data science sederhana. Image ini akan menyertakan Python dan pustaka data science umum seperti pandas, NumPy, dan scikit-learn.

1. Buat direktori baru:

• • Mulailah dengan membuat direktori baru untuk proyek Anda dan masuk ke dalamnya:

mkdir my-data-science-app
cd my-data-science-app

2. Buat Dockerfile:

Di dalam direktori ini, buat berkas bernama Dockerfile (tanpa ekstensi berkas):

# Use an official Python runtime as a parent image
FROM python:3.8-slim
 
# Set the working directory in the container
WORKDIR /app
 
# Copy the current directory contents into the container at /app
COPY . /app
 
# Install any needed packages specified in requirements.txt
RUN pip install --no-cache-dir -r requirements.txt
 
# Make port 8888 available to the world outside this container
EXPOSE 8888
 
# Run a Jupyter notebook server when the container launches
CMD ["jupyter", "notebook", "--ip=0.0.0.0", "--port=8888", "--no-browser", "--allow-root"]

Dockerfile ini melakukan hal-hal berikut:

• FROM python:3.8-slim: Menetapkan image dasar ke Python 3.8 varian slim, versi minimal Python yang ideal untuk lingkungan data science yang ringan.
• WORKDIR /app: Mengatur direktori kerja di dalam kontainer ke /app. Semua perintah berikutnya akan dieksekusi dalam direktori ini.
• COPY . /app: Menyalin semua berkas dari direktori saat ini pada mesin host ke direktori /app di dalam kontainer. Ini biasanya mencakup skrip data science dan berkas konfigurasi Anda.
• RUN pip install --no-cache-dir -r requirements.txt: Memasang pustaka Python yang tercantum dalam requirements.txt. Pustaka umum untuk data science termasuk pandas, NumPy, dan scikit-learn.
• EXPOSE 8888: Membuka port 8888 ke mesin host, port default untuk Jupyter Notebook.
• CMD ["jupyter", "notebook", "--ip=0.0.0.0", "--port=8888", "--no-browser", "--allow-root"]: Menjalankan server Jupyter Notebook saat kontainer dimulai, sehingga dapat diakses dari browser web Anda.

3. Buat berkas requirements.txt:

Di direktori yang sama, buat berkas requirements.txt untuk mencantumkan paket Python yang dibutuhkan aplikasi Anda:

pandas
numpy
scikit-learn
matplotlib

Berkas ini mencantumkan pustaka Python yang akan diinstal di dalam kontainer Docker Anda.

4. Bangun image Docker:

• Dengan Dockerfile dan requirements.txt siap, bangun image Docker Anda menggunakan perintah berikut:

sudo docker build -t my-data-science-app .

Perintah di atas melakukan hal-hal berikut:

• docker build: Memulai proses membangun image Docker.
• -t my-data-science-app: Opsi -t memberi tag image sebagai “my-data-science-app.”
• .: Titik di akhir menentukan konteks build, yaitu direktori saat ini. Docker akan menggunakan berkas di direktori ini untuk membangun image.

5. Jalankan image Docker:

Setelah proses build selesai, Anda dapat menjalankan image Docker baru Anda sebagai kontainer:

sudo docker run -p 8888:8888 my-data-science-app

Mari uraikan perintahnya:

• docker run: Menjalankan kontainer berdasarkan image yang ditentukan.
• -p 8888:8888: Opsi -p memetakan port 8888 pada mesin lokal Anda ke port 8888 di dalam kontainer, memungkinkan Anda mengakses server Jupyter Notebook dengan membuka localhost:8888 di browser web.
• my-data-science-app: Menentukan image yang akan dijalankan.

Langkah 5: Gunakan Docker Compose

Docker Compose adalah alat penting untuk mengelola aplikasi multi-kontainer. Dalam proyek data science, Anda mungkin memerlukan kontainer terpisah untuk berbagai komponen, seperti Jupyter Notebook, basis data untuk penyimpanan data, dan alat visualisasi data.

Docker Compose memungkinkan Anda mendefinisikan layanan ini dalam satu berkas YAML, sehingga mudah menjalankan seluruh lingkungan data science Anda dengan satu perintah.

1. Buat berkas docker-compose.yml:

• Di direktori proyek Anda, buat berkas bernama docker-compose.yml dan tuliskan baris berikut di dalamnya:

version: '3.8'
services:
  jupyter:
        image: jupyter/scipy-notebook:latest
        volumes:
        - ./notebooks:/home/joelwembo/work
        ports:
        - "8888:8888"
        environment:
        - JUPYTER_ENABLE_LAB=yes
 
  postgres:
        image: postgres:13-alpine
        environment:
        POSTGRES_USER: myuser
        POSTGRES_PASSWORD: mypassword
        POSTGRES_DB: mydatabase
        volumes:
        - postgres_data:/var/lib/postgresql/data
        ports:
        - "5432:5432"
 
  redis:
        image: redis:alpine
        ports:
        - "6379:6379"
 
volumes:
  postgres_data:
 

Mari uraikan apa yang dilakukan berkas Docker Compose ini:

• version: '3.8': Menentukan versi format berkas Docker Compose. Versi 3.8 umum digunakan dan mendukung banyak fitur.
• services:: Bagian services mendefinisikan berbagai kontainer (layanan) yang membentuk aplikasi Anda.
• jupyter:: Layanan ini merepresentasikan lingkungan Jupyter Notebook yang penting untuk analisis data interaktif.
• image: jupyter/scipy-notebook:latest: Menentukan image Docker untuk Jupyter Notebook, yang mencakup pustaka data science populer seperti NumPy, pandas, dan matplotlib.
• volumes: - ./notebooks:/home/joelwembo/work: Melampirkan direktori notebooks pada mesin host ke /home/joelwembo/work di dalam kontainer, sehingga Anda dapat mempertahankan dan berbagi notebook Anda. Catatan: Ini adalah path pribadi saya dan milik Anda kemungkinan berbeda.
• ports: - "8888:8888": Memetakan port 8888 pada host ke port 8888 di kontainer, yang merupakan port default untuk Jupyter Notebook.
• environment: - JUPYTER_ENABLE_LAB=yes: Mengaktifkan JupyterLab, antarmuka yang lebih kuat untuk bekerja dengan Jupyter Notebook.
• postgres:: Layanan ini menjalankan basis data PostgreSQL, yang sering digunakan untuk menyimpan dan mengelola set data besar dalam proyek data science.
• image: postgres:13-alpine: Menentukan image Docker untuk PostgreSQL versi 13, berbasis distribusi Alpine Linux yang ringan.
• environment:: Variabel lingkungan ini mengonfigurasi basis data dengan pengguna, kata sandi, dan nama basis data.
• volumes: - postgres_data:/var/lib/postgresql/data: Melampirkan volume Docker untuk mempertahankan data basis data di luar kontainer, sehingga data Anda tidak hilang saat kontainer dihentikan.
• ports: - "5432:5432": Memetakan port 5432 pada host ke port 5432 di kontainer, port default untuk PostgreSQL.
• redis:: Layanan ini menjalankan server Redis, yang dapat digunakan sebagai penyimpanan data dalam memori yang cepat atau cache.
• image: redis:alpine: Menentukan image Redis menggunakan varian Alpine yang ringan.
• ports: - "6379:6379": Memetakan port 6379 pada host ke port 6379 di kontainer, port default untuk Redis.
• volumes:: Bagian ini mendefinisikan volume bernama yang dapat dibagikan antar layanan atau mempertahankan data di seluruh restart kontainer.
• postgres_data:: Membuat volume bernama untuk mempertahankan data PostgreSQL.

Untuk memulai aplikasi multi-kontainer Anda, cukup jalankan perintah berikut:

sudo docker compose up

Perintah ini membangun image (jika diperlukan) dan memulai kontainer yang didefinisikan dalam berkas docker-compose.yml Anda. Ini menjalankan baik aplikasi web maupun layanan Redis, memungkinkan keduanya berkomunikasi sesuai definisi.

Anda kini telah men-deploy aplikasi Docker pertama Anda! Menyenangkan, bukan? Sekarang, mari susun rencana untuk pembelajaran berkelanjutan Anda.

Contoh Rencana Pembelajaran Docker

Berikut rencana mingguan yang dapat Anda ikuti. Silakan sesuaikan dengan kebutuhan spesifik Anda. 

Jika Anda membutuhkan jalur yang lebih terstruktur, skill track Containerization and Virtualization with Docker and Kubernetes cocok untuk Anda. Ini berisi empat kursus esensial.

Minggu 1: Mengenal dasar-dasar Docker

• Tujuan: Memahami konsep inti Docker dan perintah dasar.
• Tugas:
• Instal Docker dan siapkan Docker Desktop.
• Pelajari perintah Docker: docker run, docker ps, docker stop, docker rm, dll.
• Jalankan kontainer sederhana untuk alat eksplorasi data seperti Ubuntu atau Alpine dan coba perintah dasar.
• Jelajahi image Docker resmi dan jalankan kontainer untuk alat visualisasi dasar (misalnya, kontainer matplotlib sederhana).
• Sumber daya: kursus Containerization and Virtualization Concepts, kursus Introduction to Docker.

Minggu 2: Bangun dan jalankan image Docker untuk alat data

• Tujuan: Mempelajari cara membuat dan mengelola image Docker kustom.
• Tugas:
• Tulis Dockerfile untuk lingkungan analisis data dasar (misalnya, Python dengan Pandas dan NumPy).
• Bangun image Docker menggunakan docker build.
• Jalankan kontainer dari image kustom Anda dan uji alat data seperti Jupyter Notebook.
• Buat Dockerfile untuk TensorFlow dan PostgreSQL, pastikan konfigurasi dan penyambungan yang tepat.
• Sumber daya: kursus Introduction to Docker.

Minggu 3: Jelajahi Docker Compose

• Tujuan: Memahami dan menggunakan Docker Compose untuk pengaturan multi-kontainer.
• Tugas:
• Instal Docker Compose dan pelajari dasarnya.
• Tulis berkas docker-compose.yml untuk mendefinisikan aplikasi multi-kontainer.
• Berlatih dengan contoh seperti menyiapkan aplikasi web dengan basis data backend (misalnya, aplikasi Flask dengan PostgreSQL).
• Bereksperimen dengan konfigurasi dan dependensi layanan yang berbeda.
• Sumber daya: kursus Intermediate Docker.

Minggu 4: Dalami jaringan dan volume Docker

• Tujuan: Menguasai kemampuan jaringan dan penyimpanan Docker.
• Tugas:
• Pelajari tentang jaringan Docker dan cara membuatnya (bridge, host, overlay).
• Berlatih membuat jaringan kustom dan menghubungkan kontainer ke jaringan tersebut.
• Jelajahi volume Docker untuk penyimpanan persisten dan berlatih membuat serta mengelolanya.
• Implementasikan pengaturan di mana kontainer berkomunikasi melalui jaringan kustom dan menggunakan volume untuk persistensi data.
• Sumber daya: Intermediate Docker.

Minggu 5: Deploy dan kelola kontainer Docker di produksi

• Tujuan: Memahami deployment dan pengelolaan kontainer di lingkungan produksi.
• Tugas:
• Pelajari praktik terbaik untuk men-deploy kontainer Docker (misalnya, menggunakan Docker Hub atau registry privat).
• Jelajahi orkestrasi kontainer dengan Docker Swarm: membuat dan mengelola layanan.
• Pahami penskalaan kontainer dan pengelolaan log.
• Bereksperimen men-deploy aplikasi terkontainerisasi ke lingkungan staging atau produksi.
• Sumber daya: Intermediate Docker.

Minggu 6: Pengenalan Kubernetes untuk orkestrasi kontainer

• Tujuan: Mengenal Kubernetes untuk penskalaan dan pengelolaan aplikasi terkontainerisasi.
• Tugas:
• Instal dan siapkan lingkungan Kubernetes lokal (misalnya, Minikube atau Kind).
• Pelajari dasar Kubernetes: pod, service, deployment, dan namespace.
• Deploy aplikasi terkontainerisasi sederhana di Kubernetes.
• Jelajahi penskalaan dan pengelolaan aplikasi dengan Kubernetes, dengan fokus pada penanganan alat data terkontainerisasi seperti Jupyter.
• Sumber daya: Introduction to Kubernetes.

Tips dan Cara Belajar Docker

Terakhir, berikut beberapa tips dan praktik terbaik untuk membantu Anda mempercepat jalur pembelajaran Docker.

Berlatih secara rutin

Kunci menguasai Docker adalah latihan langsung yang konsisten. Mulailah dengan proyek pribadi, seperti mengontainerkan situs web sederhana atau menyiapkan lingkungan pengembangan lokal. 

Seiring Anda semakin nyaman, tantang diri dengan tugas yang lebih kompleks, seperti membangun aplikasi multi-kontainer atau men-deploy web server. 

Eksperimen rutin dengan berbagai kasus penggunaan—seperti membuat image Docker kustom atau mengonfigurasi pipeline CI/CD—akan memperdalam pemahaman Anda dan membantu memantapkan konsep kunci. Selain itu, mengikuti tantangan atau latihan Docker online adalah cara yang bagus untuk menguji dan meningkatkan keterampilan secara terstruktur dan berorientasi tujuan.

Manfaatkan sumber daya online

Sumber daya online sangat berharga untuk belajar Docker. Dokumentasi Docker resmi adalah tempat yang sangat baik untuk memulai, menawarkan informasi otoritatif dan terbaru. 

Selain itu, ada banyak kursus komprehensif yang tersedia di platform seperti DataCamp, yang dapat membantu memandu Anda melalui proses pembelajaran. 

Bagi yang lebih menyukai pembelajaran visual, tutorial YouTube dari kanal resmi Docker dan pendidik lainnya menyediakan konten yang bermanfaat dan mudah diakses untuk memperkuat pemahaman Anda.

Bergabung dengan komunitas Docker

Terlibat dengan komunitas Docker adalah cara ampuh lainnya untuk memajukan pembelajaran Anda. Berpartisipasilah di forum seperti Docker Community Forums dan Reddit untuk bertukar ide, mengajukan pertanyaan, dan berbagi pengalaman dengan pelajar serta profesional lain. 

Menghadiri meetup, webinar, atau konferensi Docker juga merupakan cara yang bagus untuk tetap mengikuti tren industri dan memperluas jaringan Anda.

Kerjakan proyek open-source

Berkontribusi pada proyek open-source yang menggunakan Docker bisa menjadi cara fantastis untuk mendapatkan pengalaman praktis di dunia nyata. 

Situs seperti GitHub menawarkan peluang untuk berkolaborasi dalam proyek terkait Docker, memungkinkan Anda belajar dari orang lain dan menerapkan keterampilan dalam berbagai konteks. Kolaborasi yang melekat dalam pekerjaan open-source membantu memperkenalkan Anda pada pendekatan dan solusi berbeda, sehingga memperdalam pemahaman tentang kapabilitas Docker.

Tetap mengikuti perkembangan

Terakhir, tetap mengikuti perkembangan terbaru Docker penting untuk mempertahankan kemahiran. Pantau blog resmi Docker dan catatan rilis untuk pembaruan fitur baru atau perubahan. Bergabung dalam diskusi komunitas di forum dan media sosial juga akan memberi informasi tentang tren dan praktik terbaik yang sedang berkembang, membantu Anda terus menyempurnakan keterampilan Docker.

Dengan latihan rutin, keterlibatan aktif di komunitas, dan pembelajaran berkelanjutan, Anda akan membangun fondasi yang kuat dalam Docker dan siap menghadapi perkembangan terbaru di bidang ini.

Kesimpulan

Docker telah merevolusi deployment aplikasi dan pengelolaan data dengan mengemas aplikasi dan dependensinya ke dalam kontainer terisolasi. Ini menyelesaikan tantangan umum seperti inkonsistensi lingkungan dan memastikan alur kerja tetap konsisten, dapat diskalakan, dan efisien bagi para profesional data.

Panduan ini telah memberikan langkah-langkah dasar untuk menguasai Docker, dari konsep inti hingga deployment langsung. Untuk memperdalam pengetahuan, pertimbangkan menelusuri sumber daya tambahan seperti kursus Introduction to Docker dan Intermediate Docker di DataCamp. Seiring kemajuan Anda, memperluas keterampilan dengan alat orkestrasi seperti Kubernetes juga sama pentingnya—lihat kursus Introduction to Kubernetes untuk memulai.

Berlatih secara rutin, memanfaatkan sumber daya yang tersedia, dan tetap terlibat dengan komunitas akan membuka potensi penuh Docker untuk mengelola lingkungan data yang kompleks.