docker 容器默认支持运行时安装的 python 包在 stop/start/restart 操作后自动保留；但若容器被彻底删除（docker rm），则需借助卷挂载或 requirements.txt 才能持久化依赖。
在 Docker 中，容器的文件系统由其底层镜像和一个可写层（Container Layer）共同构成。当你执行 docker exec -it container-name sh 并运行 pip install
✅ 正确行为示例（无需额外配置）：
# 启动一个 Python 容器
docker run -d --name myapp python:3.11-slim sleep infinity
# 进入并安装包
docker exec -it myapp pip install configobj
# 验证安装成功
docker exec -it myapp python -c "from configobj import ConfigObj; print('OK')"
# 停止并重启 —— 包依然可用
docker stop myapp && docker start myapp
docker exec -it myapp python -c "from configobj import ConfigObj; print('Still OK')"⚠️ 注意：这种“运行时安装”的持久性仅限于同一容器实例。一旦执行 docker rm -f myapp，可写层将被销毁，所有动态安装的包将丢失。
✅ 推荐的生产级持久化方案
方案一：使用 requirements.txt 构建镜像（最推荐）
将依赖声明化管理，确保环境可复现、可版本控制：
立即学习“Python免费学习笔记（深入）”；
# Dockerfile FROM python:3.11-slim WORKDIR /app COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt # 安装到镜像层，永久生效 COPY . . CMD ["python", "app.py"]
# requirements.txt configobj==5.0.8 requests>=2.28.0
构建并运行：
docker build -t my-python-app .
docker run --rm my-python-app python -c "import configobj, requests; print('All deps loaded')"方案二：挂载 site-packages 目录为卷（适用于开发调试）
若需 GUI 或交互式动态安装且希望跨容器复用（如重建容器后仍保留包），可挂载 pip 的安装目录：
# 查看目标路径（通常为 /usr/local/lib/python3.x/site-packages）
docker exec myapp python -c "import site; print(site.getsitepackages()[0])"
# 启动时挂载（需提前创建宿主机目录）
mkdir -p ./pip-packages
docker run -v $(pwd)/pip-packages:/usr/local/lib/python3.11/site-packages \
-v $(pwd)/app:/app \
-w /app python:3.11-slim python app.py? 注意：直接挂载 site-packages 可能引发 .dist-info 冲突或权限问题，不建议用于生产环境。
方案三：使用命名卷保存整个虚拟环境（进阶）
docker volume create pyenv-vol docker run -v pyenv-vol:/opt/venv -it python:3.11-slim \ bash -c "python -m venv /opt/venv && /opt/venv/bin/pip install configobj"
后续容器均可挂载该卷并激活环境。
总结与最佳实践
- ✅ docker stop/start/restart → 包自动保留（默认行为，无需干预）
- ❌ docker rm → 包丢失（容器可写层销毁）
- ? 生产环境务必使用 requirements.txt + 多阶段构建，保障一致性与安全性
- ⚠️ 运行时 pip install 仅适合开发调试；GUI 安装场景建议封装为 API 接口 + 自动触发 pip install 并记录到 requirements.txt，再重建镜像
- ? 如需共享包缓存，可挂载 ~/.cache/pip 到卷，加速重复构建
通过合理选择持久化策略，你既能享受 Docker 的轻量与隔离优势，又能兼顾 Python 依赖的灵活性与可靠性。
