docker | Casual Developers Notes

2018年6月11日 By Keid Leave a Comment

CircleCI 2.0でdockerizeコマンドを使用可能にする方法

Dockerのコンテナをコントロールするのによく使われるコマンドにdokerizeがあります。CircleCI 2.0上ではデフォルトでこのコマンドは使えます。ですが、Docker Composeをそのまま使うために「machine: true」とすると使えなくなってしまいます。今回はその場合にdockerizeコマンドを有効にする方法を紹介します。

はじめに

CircleCI 2.0上で「machine: true」にした時にdockerizeコマンドを有効にするには、シンプルにインストールするしかありません。ということで、CircleCI 2.0上でdockerizeをインストールして使用可能にしましょう。

dockerizeコマンドをCircleCI 2.0に適用する

前提として、すでにCircleCI 2.0でビルドするDocker化されたアプリケーションがあるものとして、進めます。

必要なファイルを作成する

それでは、必要なファイルを作成します。

$ touch .circleci/setup-dockerize.sh
$ tree .circleci/
.circleci/
├── config.yml
└── setup-dockerize.sh

dockerizeのインストールスクリプトを書く

Dockerizeをインストールするためのスクリプトとして、「setup-dockerize.sh」は以下のようにします。

#!/bin/bash
readonly DOCKERIZE_VERSION=v0.6.1

wget https://github.com/jwilder/dockerize/releases/download/$DOCKERIZE_VERSION/dockerize-linux-amd64-$DOCKERIZE_VERSION.tar.gz
sudo tar -C /usr/local/bin -xzvf dockerize-linux-amd64-$DOCKERIZE_VERSION.tar.gz
sudo rm dockerize-linux-amd64-$DOCKERIZE_VERSION.tar.gz

バージョンなどはdockerizeのGithubを確認して下さい。

CircleCI 2.0の設定を追記する

次に、CircleCI 2.0の設定ファイル「config.yml」にdockerizeのインストールの設定を追記し、Docker化されたデータベースの起動を確認するコマンドを追加します。

version: 2
jobs:
  build:
    working_directory: ~/repo
    machine: true
    steps:
      - checkout
...(略)...
      - run:
          name: Setup dockerize
          command: bash .circleci/setup-dockerize.sh
      - run:
...(略)...
      - run:
          name: Run Docker containers
          command: yarn build && docker-compose up -d
...(略)...
      - run:
         name: Wait for db
         command: dockerize -wait tcp://localhost:27017 -timeout 1m
...(ここでテスト実行)...

今回の設定ではDocker化されたデータベースが確実に起動した状態でテストが実行可能になります。

最後に

いかがでしたか？これでCircleCI 2.0でDocker Composeを使いたい場合でもdockerizeコマンドが使えるようになったことでしょう。それでは。

2018年5月14日 By Keid Leave a Comment

データサイエンスのためのAnaconda環境構築とTensorflowのインストール方法(Docker編)

データサイエンスのディープラーニング(深層学習)する上でAnacondaとTensorflowはもはや必須の知識となりました。今回はデータサイエンスの初学者向けにDockerを使ってAnaconda環境構築とTensorflowのインストール方法を紹介します。

はじめに

以前の記事で、Mac上でpyenvを使ってAnaconda環境構築を行う方法を紹介しました。この方法は環境をスクラッチで構築するという観点では適切ですが、どうしても環境差分の影響を受けやすく、Anacondaのバージョンによってはうまく動作しない場合がありました。そこで、今回はそんな環境差分の影響を全く受けない方法として、Dockerを使ってコンテナとしてAnaconda環境を構築し、そこにTensorflowをインストールする方法を紹介します。

データサイエンスを始めたいのに環境が作れずに挫折した人は、今回の方法で問題なく環境構築を完了できると思います。

Dockerとは？

エンジニアであればDockerを知らない人はいないと思いますが、データサイエンスの初学者はエンジニアではない可能性もあるので簡単に説明しておきます。

Dockerとは、コンテナという単位でアプリケーションの実行環境を分離する技術で、単一のOS上に異なるOSやその上にアプリケーションがインストールされた環境を複数のコンテナとして実行させることができます。これは、従来の仮想化技術の仮想マシンと類似していますが、仮想マシンがOSをエミュレートして実行しているのに対し、Dockerのコンテナは名前空間などを利用することでホストOSからしたら単なるプロセスにしか見えない仕組みになっています。そのため、Dockerの方が仮想化技術よりもオーバーヘッドが少なく、複数の実行環境がコンテナとして軽快に動作します。その上、コンテナは起動や削除が簡単なため、今回のように開発環境構築や実験的にアプリケーションを試す場合などには最適と言えます。

さらに、DockerのコンテナはDockerイメージという形で雛形がDockerHub上に公開されており、複数のベンダーやコミュニティーが公式のDockerイメージを配布しています。今回は、Anacondaの公式のDockerイメージを利用することで、「確実に動く」環境を簡単に手に入れることにしましょう。

Dockerをインストールする

今回はMac上にHomebrewを使ってDockerをインストールします。

$ brew cask install docker
...
🍺  docker was successfully installed!
$ docker --version
Docker version 18.03.1-ce, build 9ee9f40

Dockerのインストール方法はOSによって異なるため、WindowsやLinuxの人は公式のインストール手順を見てやってみて下さい。

Anacondaの環境構築

Anacondaはもちろん公式のイメージを使います。「docker pull」でイメージを取得して、起動してみましょう。

$ docker pull continuumio/anaconda3
$ docker run --rm continuumio/anaconda3 python --version
Python 3.6.4 :: Anaconda, Inc.
$ docker run --rm continuumio/anaconda3 jupyter --version
4.4.0
$ docker run --rm continuumio/anaconda3 jupyter notebook --version
5.4.0

「docker run –rm」でコンテナを起動した場合、コンテナは起動し、コマンドが実行され、その後コンテナは綺麗に削除されます。

これでDockerでAnaconda環境がいつでもコンテナとして起動できることが確認できました。Dockerさえ使えれば複雑な環境構築は一切不要です。

Jupyter Notebookを起動する

それでは、Anacondaの公式イメージを使って、今度はJupyter Notebookを起動してみましょう。今回用に「project」フォルダを作り、「data/notebooks」フォルダに作成したノートブックを保存するように指定して、コンテナを起動しましょう。

$ mkdir project
$ cd project
$ mkdir -p data/notebooks
$ docker run -it -p 8888:8888 -v $(pwd)/data:/data --rm continuumio/anaconda3 bash -c 'jupyter notebook --notebook-dir=/data/notebooks --ip=0.0.0.0 --port=8888 --no-browser --allow-root'
[I 08:08:18.939 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[I 08:08:19.439 NotebookApp] JupyterLab beta preview extension loaded from /opt/conda/lib/python3.6/site-packages/jupyterlab
[I 08:08:19.439 NotebookApp] JupyterLab application directory is /opt/conda/share/jupyter/lab
[I 08:08:19.448 NotebookApp] Serving notebooks from local directory: /data/notebooks
[I 08:08:19.448 NotebookApp] 0 active kernels
[I 08:08:19.448 NotebookApp] The Jupyter Notebook is running at:
[I 08:08:19.449 NotebookApp] http://0.0.0.0:8888/?token=eb25640714a747414d4f4ecb835ed87aaf059a9cb39e691d
[I 08:08:19.450 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[C 08:08:19.451 NotebookApp]

    Copy/paste this URL into your browser when you connect for the first time,
    to login with a token:
        http://0.0.0.0:8888/?token=eb25640714a747414d4f4ecb835ed87aaf059a9cb39e691d

ブラウザで「http://0.0.0.0:8888/?token=eb25640714a747414d4f4ecb835ed87aaf059a9cb39e691d」を開いてみましょう。

Jupyter Notebookが起動していることが確認できました。

続いて、簡単なノートブックを作成してみましょう。

問題なくノートブックは作成されました。

この状態で、Control+CでJupyter Notebookを終了してみましょう。

Shutdown this notebook server (y/[n])? y
[C 08:14:41.617 NotebookApp] Shutdown confirmed
[I 08:14:41.618 NotebookApp] Shutting down 1 kernel
[I 08:14:41.923 NotebookApp] Kernel shutdown: 6040ea6e-eb47-4115-bdc9-5e124b075e3c
$ tree data
data
└── notebooks
    └── hello-jupyter.ipynb

1 directory, 1 file

Jupyter Notebookを終了しても、作成した「hello-jupyter.ipynb」が想定したフォルダ内に保存されていることが確認できました。

これでDockerでJupyter Notebookを扱うことができました。

Tensorflowをインストールする

最後にAnacondaにTensorflowをインストールしましょう。今回はDockerfileでインストールしたイメージをビルドすることにします。

$ pwd
/Users/you/project
$ touch Dockerfile

Dockerfileの中身は以下になります。

FROM continuumio/anaconda3:5.1.0

RUN conda update -n base conda \
  && conda create -n tensorflow-env python=3.6 \
  && . activate tensorflow-env \
  && conda install tensorflow

VOLUME /data

EXPOSE 8888

CMD jupyter notebook --notebook-dir=/data/notebooks --ip=0.0.0.0 --port=8888 --no-browser --allow-root

基本的には先程Jupyter Notebookを起動した時のコマンドをDockerfileにしただけですが、追加でcondaを使って仮想環境の構築とTensorflowのインストールを行っています。

それではイメージをビルドして、コンテナを起動しましょう。

$ docker build -t tensorflow-project .
...
Successfully built 85dd29cb0c75
Successfully tagged tensorflow-project:latest
$ docker run -it -p 8888:8888 -v $(pwd)/data:/data --rm tensorflow-project
[I 08:39:21.954 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[I 08:39:22.434 NotebookApp] JupyterLab beta preview extension loaded from /opt/conda/lib/python3.6/site-packages/jupyterlab
[I 08:39:22.435 NotebookApp] JupyterLab application directory is /opt/conda/share/jupyter/lab
[I 08:39:22.444 NotebookApp] Serving notebooks from local directory: /data/notebooks
[I 08:39:22.445 NotebookApp] 0 active kernels
[I 08:39:22.445 NotebookApp] The Jupyter Notebook is running at:
[I 08:39:22.446 NotebookApp] http://0.0.0.0:8888/?token=4d1681702c20e5bb6636a1061a73b044a51b5cf10b4f0d06
[I 08:39:22.446 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[C 08:39:22.448 NotebookApp]

    Copy/paste this URL into your browser when you connect for the first time,
    to login with a token:
        http://0.0.0.0:8888/?token=4d1681702c20e5bb6636a1061a73b044a51b5cf10b4f0d06

Jupyter Notebookが起動したので、ブラウザで「http://0.0.0.0:8888/?token=4d1681702c20e5bb6636a1061a73b044a51b5cf10b4f0d06」を開いてみましょう。

問題なくJupyter Notebookが起動し、先程作成した「hello-jupyter.ipynb」も表示されました。

次に、Tensorflowを使ったテストコードを書いてみましょう。

正しく実行できているので、Tensorflowが正しくインストールされていることを確認できました。

このファイルも保存し、Control+CでJupyter Notebookを終了しましょう。

Shutdown this notebook server (y/[n])? y
[C 08:46:11.193 NotebookApp] Shutdown confirmed
[I 08:46:11.194 NotebookApp] Shutting down 1 kernel
[I 08:46:11.703 NotebookApp] Kernel shutdown: a32f36e5-2803-4cb8-b9f1-13ff6f617f17
$ tree data
data
└── notebooks
    ├── hello-jupyter.ipynb
    └── hello-tensorflow.ipynb

1 directory, 2 files

今作った「hello-tensorflow.ipynb」も保存されていることが確認できました。

以上で、DockerでAnaconda環境構築と、Tensorflowのインストールができました。Anacondaのバージョンが上がったとしても、DockerfileのAnacondaの公式イメージのバージョンを上げるだけで対応でき、とても便利です。

おまけ(追記)

MinicondaでTensorflowやKerasが入った軽量なDockerイメージを作る方法

AnacondaをDockerコンテナとして起動させるのはローカルにAnacondaをインストールするよりはるかに環境構築が容易です。ただし、一点問題があります。それはAnacondaをベースにしたDockerイメージは大変大きくなり、ディスク容量を圧迫する点です。この問題を軽減するメジャーな方法として、Minicondaをベースにする方法があります。

Minicondaの公式イメージをベースとした場合のDockerfileの例は以下です。(condaの仮想環境を使わないバージョンです。Pythonの開発では一般的にプロジェクト単位に仮想環境を構築しますが、Dockerの場合はプロジェクト単位にDockerイメージを作るので仮想環境は無くても問題ありません。)

FROM continuumio/miniconda3

RUN conda update conda \
  && conda update --all \
  && conda install jupyter numpy numexpr pandas matplotlib scipy statsmodels scikit-learn tensorflow keras \ # 好きなパッケージを入れる
  && conda clean --all

VOLUME /data

EXPOSE 8888

CMD jupyter notebook --notebook-dir=/data/notebooks --ip=0.0.0.0 --port=8888 --no-browser --allow-root

MinicondaはAnacondaと違い、最小限のパッケージしか入っていません。なので、自分の用途に応じてcondaで必要なパッケージをインストールする必要があります。

DockerHubに自作のDockerイメージをPushする方法

ベースとなるイメージをAnacondaからMinicondaに変えると、それだけでDockerイメージのサイズは半分以下になります。ただ、ローカルでDockerをビルドすると、どうしてもビルドする時間がかかります。それを回避するためのメジャーな解決策は、DockerHubに自作のイメージをPushして使い回す方法です。

DockerHubにアカウントがある前提として、例えば、アカウント名「your-account」、自作のイメージ名「your-tensorflow-image」とした場合は以下のようにコマンドラインから実行するだけでDockerHubにPushできます。

$ docker image build -t your-account/your-tensorflow-image -f Dockerfile .
$ docker login
$ docker image push your-account/your-tensorflow-image

利用する場合は、以下のようにすればOKです。

$ docker container run -it -p 8888:8888 -v $(pwd)/data:/data your-account/your-tensorflow-image

こうしておけばすぐにほしい環境が手に入ります。

さらに、Dockerイメージをローカルで作るのさえめんどうな場合は、GitHubにDockerfileをあげておき、DockerHubのAutomated Build(やり方はこちら)や、Travis CIやCircle CIなどのCIサービスを使って自動的にビルドしてDockerHubにイメージがPushされるようにしておくと便利です。

よくあるDockerイメージのビルドが失敗する場合の解決策

Tensorflowなどのイメージはサイズが大きいため、Dockerイメージのビルドをすると以下のようなエラーが出て失敗する場合があります。

OSError(28, ‘No space left on device’)
no space left on device

これらの原因はディスク容量が不足していることです。Dockerイメージを大量に作って放置している場合に陥る事象なので、以下のように不要なコンテナ、イメージ、ボリュームを削除するコマンドを実行するとハードディスクに空きができてエラーが無くなります。(削除する前にどの程度Docker関連のファイルが容量を使っているか知りたければ「docker system df」を実行してください)

$ docker system prune

それでもダメな場合は、「docker images」で大きいサイズのイメージを探し、不要であるか確認してから「docker rmi」で削除していくのが無難ですが、使っていないコンテナ、イメージ、ボリュームを全て削除してよければ以下のコマンドを実行してください。

$ docker system prune -a

これでもダメな場合は、どうにかしてハードディスクの容量を増やす他ありません。場合によっては、よりハイスペックなPCを購入した方が良いかもしれません。あるいは、ローカルで実行することを諦めてAzureやAWSなどのクラウド環境を利用すればハイスペックな環境を手に入れることは容易です。

最後に

いかがでしたか？これでディープラーニングを始める環境は整ったことでしょう。スクラッチで環境を構築するとどうしても環境差分で苦しむ事になるので、Dockerを使ったお手軽な方法を採用するのは賢明だと思います。これで、どんどんメインのディープラーニングに専念できますね。それでは。

環境

PC : macOS High Serra 10.13.4
Docker : Docker version 18.03.1-ce, build 9ee9f40
AnacondaのDockerイメージ : anaconda3:5.1.0

2018年4月27日 By Keid Leave a Comment

初級JavascriptフルスタックエンジニアのためのReactとExpressの同時開発チュートリアル(Dockerコンテナ化してHerokuにデプロイ編)

最近のアプリケーションはDocker上で稼働させるのが当たり前になりつつあります。そして、HerokuのようなPaaS環境にアプリケーションをリリースすることも小規模サービスでは一般的になっています。今回は、人気のHeroku上に人気のDockerコンテナをデプロイする方法をご紹介します。

Herokuとは？

Herokuとは、AmazonのAWSやMicrosoftのAzureと言ったIaaS上にアプリケーションを簡単にデプロイすることができるPaaSです。一回デプロイしてみると、そのデプロイの簡単さに驚くばかりです。

今回は、前回の「JavascriptフルスタックエンジニアのためのReactとExpressの同時開発チュートリアル(基本的なアプリ作成と同時開発環境構築編)」に引き続き、サンプルアプリケーションをDocker化し、Herokuにデプロイしていきましょう。

環境準備

Heroku CLIのインストール

$ brew install heroku
$ heroku --version
heroku-cli/6.15.30-e7b41cd (darwin-x64) node-v9.7.1

デプロイするアプリケーション

今回は前回作成した簡単なアプリケーションを使います。なので、サンプルアプリケーションで試したい人は、前回の記事からプロジェクトを持ってきて下さい。

初級JavascriptフルスタックエンジニアのためのReactとExpressの同時開発チュートリアル(基本的なアプリ作成と同時開発環境構築編)

Herokuにデプロイする時はGitを使うので、前回のプロジェクトをひとまずコミットしましょう。

$ cd full-stack-app/
$ git init
$ git add .
$ git commit -m 'initial commit'

Herokuの登録

まずはHerokuアカウントを作ってログインしましょう。

Herokuアカウントの作成

Herokuのサイトに言ってアカウントを作成して下さい。この時にクレジットカード情報の登録を行って下さい。なぜその必要があるかと言うと、後で使うHerokuのアドオンの使用条件になっているからです。クレジットカードの登録をしただけで課金されることは無いので安心して下さい。今回は無料枠だけでやります。

ログインとキー登録

環境準備でインストールしたHeroku CLIを使ってHerokuにコマンドラインからログインします。その後、キーを生成して登録します。

$ heroku login
Enter your Heroku credentials:
Email: your@email.com
Password: ***************
Logged in as your@email.com
$ heroku keys:add
Could not find an existing SSH key at ~/.ssh/id_rsa.pub
? Would you like to generate a new one? Yes
Generating public/private rsa key pair.
...
Uploading /Users/you/.ssh/id_rsa.pub SSH key... done

Herokuにデプロイする(通常のアプリケーション編)

それではDockerで、と言いたいところですが、まずは通常のHeroku上にデプロイする方法をやってみましょう。

package.jsonにスクリプトを追加する(NPM編)

まずはpackage.jsonにHerokuにビルドしてもらうためのスクリプトを追加します。このスクリプトにより、HerokuにPushするだけでReactがビルドされます。

  "scripts": {
    ...
    "heroku-postbuild":
      "NPM_CONFIG_PRODUCTION=false npm install --prefix client && npm run build --prefix client"
  }

package.jsonにスクリプトを追加する(Yarn編)

Yarnの場合のスクリプトはこうなります。

  "scripts": {
    ...
    "heroku-postbuild":
      "NPM_CONFIG_PRODUCTION=false yarn --cwd client install && yarn --cwd client build"
  }

Mongooseの設定を変更する

「server.js」のMongooseの設定部分を以下のように書き換えます。

mongoose.connect(process.env.MONGODB_URI || 'mongodb://localhost:27018/sampledb');

すぐに分かりますが「MONGODB_URI」はHerokuが自動設定してくれるMongoDBの接続先の環境変数です。

Herokuにデプロイする

後は非常に簡単です。以下のようにコミットして、Herokuコマンドを実行するだけです。Herokuのアドオンを指定している「heroku addons:create mongolab:sandbox」では、mLabのSandbox(無料枠)にデータベースを作って自動で連携します。

$ cd full-stack-app/
$ git add .
$ git commit -m 'change to deploy to Heroku'
$ git push origin master #GitHubなどを使っている場合
$ heroku create
$ heroku addons:create mongolab:sandbox
Creating mongolab:sandbox on ⬢ xxxx-xxxx... free
Welcome to mLab.  Your new subscription is being created and will be available shortly.  Please consult the mLab Add-on Admin UI to check on its progress.
Created mongolab-xxxx-xxxx as MONGODB_URI
Use heroku addons:docs mongolab to view documentation
$ heroku config
MONGODB_URI: mongodb://heroku_xxxx:xxxx@xxxx.mlab.com:xxxx/heroku_xxxx
$ git push heroku master
$ heroku open

「heroku open」を実行してブラウザでうまく表示されない場合はログを確認しましょう。

$ heroku logs

よくあるのは環境変数の設定漏れや誤り、それに伴うデータベースとの接続失敗なので、確認してみて下さい。

アプリケーションをDockerコンテナ化する

ここからが本番です。HerokuにDockerコンテナをデプロイするためにはまずサンプルアプリケーションをDockerコンテナ上で起動するようにする必要があります。それではやっていきましょう。

必要なファイルの作成

まずはプロジェクト直下に「Dockerfile」と「docker-compose.yml」を作成します。

$ cd full-stack-app/
$ touch Dockerfile
$ touch docker-compose.yml
$ touch .dockerignore
$ touch .env

Dockerfileの作成(NPM編)

FROM node:9.7.1-alpine

RUN mkdir /app
WORKDIR /app

RUN npm install -g nodemon

COPY package.json package.json
COPY package-lock.json package-lock.json
RUN npm install && mv node_modules /node_modules

COPY . .

LABEL maintainer="You <your@email.com>"

CMD node server/server.js

Dockerfileの作成(Yarn編)

FROM node:9.7.1-alpine

RUN mkdir /app
WORKDIR /app

RUN npm install -g yarn nodemon

COPY package.json package.json
COPY yarn.lock yarn.lock
RUN yarn install && mv node_modules /node_modules

COPY . .

LABEL maintainer="You "

CMD node server/server.js

docker-compose.ymlの作成

「docker-compose.yml」は以下のようになります。

version: '3'

services:
  web:
    build: .
    ports:
      - '3001:3001'
    command: node server/server.js
    env_file:
      - .env
    depends_on:
      - 'db'
  db:
    image: mongo:latest
    ports:
      - '27018:27017'

今回はテスト用なので簡素にしてありますが、開発で使いたい場合はデータを共有したり保存したりするために「volumes」を設定すると良いでしょう。

.dockerignoreの作成

「.dockerignore」は以下のようになります。

.dockerignore
.git
node_modules
client/*
!client/build
db/

DockerコンテナにはReactをビルドしたファイルのみがあればよいのと、ローカルに保存してあるデータベースのデータも不要なので除外します。

.envの作成

ローカルでwebコンテナとdbコンテナを接続するために「MONGODB_URI」を設定します。

MONGODB_URI=mongodb://db:27017/sampledb

ローカルでビルドしてコンテナを起動する(NPM編)

$ npm run build --prefix client
$ docker-compose up -d

ローカルでビルドしてコンテナを起動する(Yarn編)

$ yarn --cwd client build
$ docker-compose up -d

以上で、サンプルアプリケーションのDocker化が完了しました。

Herokuにデプロイする(Dockerコンテナ編)

やっとここまできました。Docker化したサンプルアプリケーションをHerokuにデプロイしましょう。

環境変数の調整

「.env」ファイルの設定をコメントアウトします。「MONGODB_URI」の設定としてHerokuに設定されている環境変数を利用するためです。

# MONGODB_URI=mongodb://db:27017/sampledb

そして、Herokuの環境変数に「NODE_ENV」を設定します。

$ heroku config:set NODE_ENV=production
$ heroku config
=== xxxx-xxxx-xxxx Config Vars
MONGODB_URI: mongodb://heroku_xxxx:xxxx@xxxx.mlab.com:xxxx/heroku_xxxx
NODE_ENV:    production

これは、HerokuのNodeJS環境ではデフォルトで「NODE_ENV=production」と設定されていますが、Container Registryでは設定されていないためです。

Herokuにデプロイする(Herokuコマンド編)

それではHerokuにDockerコンテナをデプロイしましょう。「heroku container」コマンドで以下のようにするだけです。

$ cd full-stack-app/
$ npm run build --prefix client
$ heroku container:login
Login Succeeded
$ heroku container:push web
=== Building web (/Users/you/full-stack-app/Dockerfile)
Sending build context to Docker daemon   3.75MB
...
Successfully built 244a09e60313
Successfully tagged registry.heroku.com/xxxx-xxxx/web:latest
=== Pushing web (/Users/you/full-stack-app/Dockerfile)
The push refers to repository [registry.heroku.com/xxxx-xxxx-xxxx/web]
8ae4845af426: Pushed
...
$ heroku open

素晴らしい！簡単にできましたね。ローカルで自動的にDockerイメージが作成され、Herokuコンテナ環境にPushされているのが分かります。

Herokuにデプロイする(Dockerコマンド編)

Herokuコマンドを使ってやるのも良いのですが、Dockerイメージに好きな名前とバージョンを付けて自分でコントロールしたい場合は、dockerコマンドを使うと良いです。やってみましょう。

$ cd full-stack-app/
$ yarn --cwd client build
$ heroku container:login
$ docker-compose build --no-cache web
$ docker images
$ docker tag 0f4d3762ac35 registry.heroku.com/your-app-xxxxx/web:1.0.0
$ docker push registry.heroku.com/your-app-xxxxx/web:1.0.0
The push refers to repository [registry.heroku.com/your-app-xxxxx/web]
$ heroku open -a your-app-xxxxx

「your-app-xxxxx」には「heroku create」コマンド実行時にHerokuが自動で払い出したアプリ名を使用します。「heroku open」の時にブラウザに表示されるドメイン名ですね。

これで好きな名前やバージョンを付けたDockerイメージもHerokuにデプロイすることができました。

追記(container:release対応)

Container RegistryにDockerイメージをPushした後に、Releaseコマンドが必要になりました。詳しくは以下の記事を参照して下さい。

Heroku Container Registryのcontainer:push後のcontainer:releaseの対応方法

おまけ

dockerコマンドによるHerokuコンテナ環境へのログイン方法

Herokuコンテナ環境にログインするには「heroku container:login」コマンドを使ってましたが、dockerコマンドでもログインできます。

$ docker login --username=_ --password=$(heroku auth:token) registry.heroku.com
...
Login Succeeded

Herokuコンテナ環境でdocker-compose.ymlで必要なもの

今回作成した「docker-compose.yml」はローカル起動のためにPort設定やデータベース設定を記載しましたが、Herokuコンテナ環境ではPortは自動設定されますし、今回はデータベースはmLabを使用しているので設定は不要です。

そいういった贅肉を落とすと、結局以下の設定さえあればOKです。

version: '3'

services:
  web:
    build: .
    command: node server/server.js
    env_file:
      - .env

Dockerコマンドでイメージ名を後で変更しなくて良いように「image」を設定しても良いでしょう。

最後に

いかがでしたか？これでHerokuにDockerコンテナをデプロイする方法をマスターできたと思います。Herokuの独特の癖がありますが、それでもこのお手軽さは素晴らしいですね。それでは。

環境

PC : macOS High Sierra 10.13.3
heroku : heroku-cli/6.15.30-e7b41cd (darwin-x64) node-v9.7.1
docker : Docker version 17.12.0-ce, build c97c6d6