Docker Optimization Lab

Ця лабораторна робота досліджує методи оптимізації Docker-образів для Python, Go та JavaScript додатків.

Основні висновки

• Порядок інструкцій у Dockerfile критично важливий для кешування
• Багатоетапні збірки дозволяють суттєво зменшити розмір фінального образу
• Вибір базового образу (Alpine vs Slim vs Distroless) впливає на розмір і швидкість збірки
• Кешування залежностей прискорює процес розробки

Технології

• Python (FastAPI, Uvicorn)
• Go (FizzBuzz веб-додаток)
• JavaScript (Express.js + MongoDB)
• Docker (багатоетапні збірки, оптимізація)