「Dockerはわかるけど…」から卒業！AWSでコンテナを動かすための30日集中講座 - Day 6: 実践！既存アプリケーションをDocker化してみよう

Day 6: 実践！既存アプリケーションをDocker化してみよう 🚀

皆さん、こんにちは！30日集中講座、Day 6へようこそ。

この1週間で、Dockerの基礎から応用まで、以下の重要なスキルを学びました。

• Day 1: コンテナとDockerの概念、その重要性
• Day 2: dockerコマンドの基本（pull, run, psなど）
• Day 3: Dockerfileを使ったイメージ作成とベストプラクティス
• Day 4: Docker Composeを使った複数コンテナ管理
• Day 5: ボリュームとネットワークによるデータの永続化と通信

この知識を定着させるため、今日は「既存のアプリケーションをDocker化する」という実践的な演習を行います。これにより、これまでの学びを統合し、実務で使えるスキルへと昇華させます。

---

1. 今回のお題：シンプルなPython Webアプリケーション

今回は、Pythonの軽量なWebフレームワークであるFlaskを使ったシンプルなWebアプリケーションをDocker化します。

プロジェクトのファイル構成

my-web-app/
├── src/                # アプリケーションのソースコード
│   ├── app.py
│   └── requirements.txt
├── .env.example        # 環境変数テンプレート
├── .gitignore          # Git管理から除外するファイル
├── .dockerignore       # ビルドコンテキストから除外するファイル
├── Dockerfile          # コンテナイメージのレシピ (本番用)
├── docker-compose.yml    # 複数コンテナの定義 (本番用)
└── docker-compose.dev.yml  # 開発用設定

src/app.py

import os
import time
import psycopg2
from flask import Flask, jsonify

app = Flask(__name__)

def get_db_connection():
    database_url = os.environ.get('DATABASE_URL')
    if not database_url:
        raise ValueError("DATABASE_URL environment variable is not set")
    
    max_retries = 10
    retry_delay = 5
    for i in range(max_retries):
        try:
            conn = psycopg2.connect(database_url, connect_timeout=10)
            print(f"Database connection successful! (attempt {i+1})")
            return conn
        except psycopg2.OperationalError as e:
            print(f"Database connection failed (attempt {i+1}): {e}")
            if i < max_retries - 1:
                time.sleep(retry_delay)
    raise Exception("Failed to connect to database after multiple retries.")

@app.route('/health')
def health_check():
    return jsonify({'status': 'healthy'}), 200

@app.route('/')
def hello_db():
    try:
        conn = get_db_connection()
        cur = conn.cursor()
        cur.execute("SELECT version()")
        db_version = cur.fetchone()
        cur.close()
        conn.close()
        return jsonify({
            'message': 'Database connection successful!',
            'db_version': db_version[0]
        })
    except Exception as e:
        return jsonify({'error': f'Database connection failed: {str(e)}'}), 500

if __name__ == '__main__':
    debug_mode = os.environ.get('FLASK_DEBUG', 'False').lower() == 'true'
    app.run(debug=debug_mode, host='0.0.0.0', port=5000)

src/requirements.txt

Flask==2.2.2
psycopg2-binary==2.9.3
gunicorn

---

2. ステップ・バイ・ステップ Docker化プロセス

ステップ1: Dockerfile を作成する

本番環境向けには、マルチステージビルドと非rootユーザー設定が重要です。これにより、セキュリティを強化し、イメージサイズを最小化します。

# Dockerfile: 本番向け
# -------------------------------------------------------------
# ビルドステージ: 依存関係のインストールとビルド
FROM python:3.9-slim as builder
WORKDIR /app
COPY ./src/requirements.txt .
# 依存ライブラリを/app/dependenciesにインストール
RUN pip install --prefix=/app/dependencies -r requirements.txt

# -------------------------------------------------------------
# 実行ステージ: アプリケーションの実行環境
FROM python:3.9-slim
# 非rootユーザーの作成（セキュリティ向上）
RUN addgroup --system --gid 1001 appgroup && \
    adduser --system --uid 1001 --gid 1001 appuser
WORKDIR /app

# ビルドステージから依存関係をコピー
COPY --from=builder /app/dependencies /usr/local
# アプリケーションコードをコピーし、所有者を非rootユーザーに設定
COPY --chown=appuser:appgroup ./src/ .
# 非rootユーザーに切り替え
USER appuser
# アプリケーションがリッスンするポートの公開
EXPOSE 5000
# Gunicornを使ってアプリケーションを起動
CMD ["gunicorn", "-w", "${WORKERS:-4}", "-b", "0.0.0.0:5000", "app:app"]

CMD にWORKERSを環境変数として設定することで、コンテナの起動時にGunicornのワーカープロセス数を柔軟に調整できます。

ステップ2: docker-compose ファイルを作成する

開発用と本番用の設定を分離すると、運用がシンプルになります。

docker-compose.yml (本番用)

services:
  web:
    build: .
    ports:
      - "5000:5000"
    env_file:
      - .env
    depends_on:
      db:
        condition: service_healthy
    healthcheck:
      test: ["CMD-SHELL", "python -c 'import urllib.request; urllib.request.urlopen(\"http://localhost:5000/health\")'"]
      interval: 30s
      timeout: 10s
      retries: 3
  
  db:
    image: postgres:13
    volumes:
      - postgres_data:/var/lib/postgresql/data
    env_file:
      - .env
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U postgres"]
      interval: 10s
      timeout: 5s
      retries: 5

volumes:
  postgres_data:

docker-compose.dev.yml (開発用)

services:
  web:
    build: .
    volumes:
      # ソースコードをコンテナに同期し、リアルタイムで変更を反映
      - ./src:/app
    environment:
      # デバッグモードを有効化
      - FLASK_DEBUG=true

開発時には docker compose -f docker-compose.yml -f docker-compose.dev.yml up コマンドで両方の設定を適用します。

ステップ3: 環境設定ファイルを作成する

.env.example

DATABASE_URL=postgresql://postgres:your_password@db:5432/postgres
FLASK_DEBUG=true

.env

DATABASE_URL=postgresql://postgres:secret_password@db:5432/postgres
FLASK_DEBUG=true

重要な注意: docker composeは.envファイルを参照しますが、Gitリポジトリにコミットしないよう .gitignoreに必ず追加してください 。本番環境では、AWS Secrets ManagerやKMSといった専用のシークレット管理サービスを使用するのがセキュリティのベストプラクティスです。

---

3. 本番運用を意識したログ管理とセキュリティ

ログ管理

現在のdocker-compose.ymlでは、ログはjson-fileドライバで管理されます。これはファイルサイズとファイル数を指定して自動でローテーション（世代管理）する機能があります。
本番環境では、AWS CloudWatch LogsやDatadogなどの集中ログ管理サービスに転送することで、ログの検索・分析・監視が容易になります。

セキュリティスキャン

ビルドしたイメージに脆弱性がないか、Docker Scoutのようなツールで定期的にスキャンしましょう。

# イメージの脆弱性スキャン
docker scout cves my-web-app:latest

---

4. まとめ

これで、皆さんはローカル環境でのコンテナ開発の基礎を完全にマスターしました。今日の実践演習で、これまでの知識が単なる理論ではなく、実際に動くアプリケーションを構築するためのツールであることが実感できたはずです。

来週からは、この知識を活かして、いよいよAWS上でコンテナを動かす旅に出発します。

---

次回の予告
Day 7: いざ、AWSへ！AWSアカウント作成とIAMユーザー設定

それでは、また明日お会いしましょう！