Docker

Infrastructure

La plateforme de containerisation qui standardise l'exécution des applications data et ML

Tarif

Docker Desktop : gratuit pour les particuliers et PME < 250 personnes. Docker Business : 21$/utilisateur/mois.

Open sourceFree tierIntermédiaire

Présentation

Docker est la plateforme de containerisation standard qui permet de packager une application et ses dépendances dans un container portable. Indispensable pour les équipes data modernes : standardisation des environnements ML (plus de 'ça marche sur ma machine'), déploiement reproductible des APIs FastAPI, des modèles ML via TorchServe ou BentoML, et bases locales de développement.

Fonctionnalités clés

✓Images Docker (blueprints de containers)

✓Docker Compose (orchestration multi-containers)

✓Docker Hub (registry public de 10M+ images)

✓Volumes pour la persistance des données

✓Networks pour la communication inter-containers

✓Multi-stage builds pour les images de production légères

✓BuildKit pour les builds rapides et cache

✓Docker Desktop avec interface graphique

Cas d'usage

Environnement ML reproductible

Docker Compose lance en local : PostgreSQL + Redis + API FastAPI (modèle ML) + Jupyter Lab. Chaque data scientist a exactement le même environnement.

✓ Points forts

+Environnements parfaitement reproductibles

+Isolation des dépendances (plus de conflits Python)

+Standard universel supporté par tous les cloud providers

+Docker Compose simplifie le développement local multi-services

✗ Limites

−Overhead de performance léger vs bare metal

−Gestion des permissions fichiers sous Linux délicate

−Images volumineuses si mal construites (utiliser .dockerignore et multi-stage builds)

⚠️ Pièges connus en production

1.Les images sans .dockerignore incluent node_modules ou les données d'entraînement — faire gonfler les images inutilement.

2.Stocker des secrets (API keys) dans les Dockerfiles ou les images est une faille de sécurité critique — utiliser des variables d'environnement ou secrets managers.

✓ Fait pour vous si…

Standardisation des environnements de développement et déploiement d'applications data/ML sur n'importe quel infrastructure.

✗ Pas fait pour vous si…

Cas où la performance maximale est requise sans overhead de virtualisation.

infrastructurecontainersdevopsopen-sourceportable