Docker・コンテナ技術入門

2025.11.20

🐳 Docker・コンテナ技術入門

データエンジニアリングに特化したDockerの完全マスター – PostgreSQL、Airflow、Sparkのコンテナ化から本番デプロイまで

📖 コース概要

このコースでは、Dockerの基礎から本番環境デプロイまで、データエンジニアに必要なコンテナ技術を体系的に学習します。PostgreSQL、Apache Airflow、Apache Sparkといったデータエンジニアリングツールのコンテナ化を実践し、Docker Composeによる複雑なマルチコンテナ環境の構築、CI/CD統合による自動化まで、即戦力となるスキルを習得できます。

【推奨環境】

XAMPP 8.0以降（MySQL・phpMyAdmin含む）

draw.io（無料・ブラウザで利用可能）

レベル

中級

学習時間

55時間

ステップ数

27ステップ

料金

無料

📋 前提条件

Pythonプログラミング基礎コース修了（必須）
SQL基礎コース修了（推奨）
データベース設計・データモデリングコース修了（推奨）
ETL・データパイプライン構築コース修了（推奨）

🎯 学習戦略

基礎を丁寧に学習（Part 1-2で18時間）
データエンジニアリング特化の実践（Part 5で12時間）
総合演習で実務レベル到達（Part 6で9時間）
PostgreSQL、Airflow、Sparkのコンテナ化を完全マスター
CI/CD統合で現代的な開発フローを習得

🎯 Part 1: Docker基礎（ステップ1-5）

コンテナ技術とは何か

仮想マシンとコンテナの違い、コンテナが解決する問題を理解します。

仮想マシンとコンテナの違い
コンテナが解決する問題
「環境の違い」によるトラブル事例
なぜコンテナが必要なのか
コンテナ技術の歴史

⏱️ 1.5時間

Dockerが解決する問題

環境差異、依存関係地獄、デプロイの複雑さなど、Dockerが解決する実務の課題を学びます。

環境差異の問題（「私の環境では動くのに」）
依存関係地獄（Dependency Hell）
デプロイの複雑さ
スケーラビリティの課題
Dockerの普及理由と業界での位置づけ

⏱️ 1.5時間

Dockerのインストールと初期設定

Docker Desktopのインストールから初期設定、Hello Worldコンテナの実行まで。

Docker Desktopのインストール（Windows/Mac）
Linuxへのインストール
初期設定と動作確認
Hello Worldコンテナの実行
トラブルシューティング
Docker Engineの理解

初めてのDockerコンテナ実行

PostgreSQLコンテナを起動し、データベースの基本操作を実践します。

PostgreSQLコンテナの起動
コンテナへの接続
データベースの基本操作
コンテナの停止と削除
実践演習：PostgreSQLでのデータ操作

練習問題8問

Dockerの基本コマンド

docker run、stop、start、rm、logsなど、必須コマンドを完全マスターします。

docker run（コンテナ起動）
docker stop、docker start（コンテナの停止と再開）
docker rm（コンテナ削除）
docker logs（ログ確認）
docker ps（実行中コンテナ確認）
実践演習：Nginxコンテナの管理

練習問題10問

📦 Part 2: イメージとコンテナ（ステップ6-10）

Dockerイメージの仕組み

イメージとコンテナの違い、レイヤー構造を図解で理解します。

イメージとコンテナの違い
レイヤー構造の理解
ベースイメージとは
イメージのサイズ最適化
図解で理解するDocker構造

練習問題8問

Docker Hubとイメージの取得

Docker Hubからイメージを検索・取得し、タグの意味を理解します。

Docker Hubとは
イメージの検索方法
docker pull（イメージ取得）
タグの理解（latest、バージョン番号）
公式イメージと非公式イメージの違い
実践演習：様々なイメージの取得

練習問題8問

⏱️ 1.5時間

コンテナのライフサイクル管理

コンテナの作成から削除まで、完全なライフサイクルを管理します。

コンテナのライフサイクル
docker create、docker start
docker exec（コンテナ内でコマンド実行）
docker inspect（詳細情報確認）
docker images（イメージ一覧）
docker rmi（イメージ削除）

練習問題10問

ログとデバッグ手法

コンテナのログ確認方法とデバッグテクニックを習得します。

docker logs（ログ確認）
ログの出力形式
リアルタイムログの確認（-fオプション）
コンテナ内のデバッグ方法
トラブルシューティングの基本

練習問題8問

⏱️ 1.5時間

ステップ 10

ボリュームとデータ永続化

コンテナのデータを永続化する方法と、ボリューム管理を学びます。

データの永続化とは
-vオプション（ボリュームマウント）
バインドマウント vs ボリューム
データの永続化戦略
ボリュームの管理（作成、削除、確認）
実践演習：PostgreSQLのデータ永続化

練習問題10問

🔧 Part 3: Dockerfile作成（ステップ11-14）

ステップ 11

Dockerfileの基本構文

FROM、RUN、COPY、CMDなど、Dockerfileの基本命令を学びます。

Dockerfileとは
FROM命令（ベースイメージ指定）
RUN命令（コマンド実行）
COPY命令（ファイルコピー）
CMD命令（デフォルトコマンド）
WORKDIR命令（作業ディレクトリ）
docker build（イメージビルド）

練習問題10問

ステップ 12

Pythonデータ処理スクリプトのコンテナ化

PythonアプリケーションとPandasスクリプトをDockerコンテナ化します。

Pythonアプリケーションのコンテナ化
requirements.txtの管理
環境変数の設定
データファイルのマウント
実践演習：PandasスクリプトのDocker化

練習問題8問

ステップ 13

レイヤーキャッシュと最適化

イメージサイズを削減し、ビルド速度を向上させるテクニックを習得します。

レイヤーキャッシュの仕組み
.dockerignoreファイルの活用
命令の順序最適化
イメージサイズの最小化テクニック
不要なファイルの削除

練習問題8問

ステップ 14

マルチステージビルド

マルチステージビルドでイメージサイズを大幅削減し、セキュリティを向上させます。

マルチステージビルドとは
ビルド用と実行用の分離
イメージサイズの大幅削減
セキュリティの向上
実践例：Pythonアプリの最適化

練習問題8問

🔗 Part 4: Docker Composeとネットワーキング（ステップ15-18）

ステップ 15

Docker Composeとは

複数コンテナを管理するDocker Composeの基礎を理解します。

Docker Composeが必要な理由
複数コンテナの管理
docker-compose.ymlの基本構造
docker-compose up、down
サービスの概念

練習問題8問

⏱️ 1.5時間

ステップ 16

docker-compose.ymlの書き方

docker-compose.ymlの詳細な書き方と設定方法を学びます。

services、networks、volumes
イメージ指定とビルド指定
ポートマッピングの設定
環境変数の設定
depends_on（依存関係）

練習問題10問

ステップ 17

複数コンテナの連携

PostgreSQLとpgAdminを連携させ、データベース管理環境を構築します。

PostgreSQL + pgAdminの構成
サービス間の通信
ネットワークの自動作成
データベース初期化
実践演習：データベース管理環境の構築

練習問題10問

⏱️ 2.5時間

ステップ 18

Dockerネットワーキングとポート管理

Dockerネットワークの種類と、コンテナ間通信の仕組みを理解します。

Dockerネットワークの種類（bridge、host、none）
カスタムネットワークの作成
コンテナ間通信の仕組み
ポートマッピングの詳細（-pオプション）
ホストとコンテナのポート対応
ネットワークのトラブルシューティング

練習問題10問

💼 Part 5: データエンジニアリング実践（ステップ19-24）

ステップ 19

PostgreSQL + Airflowのコンテナ化

Apache AirflowとPostgreSQLを統合したデータパイプライン環境を構築します。

Airflowの概要復習
PostgreSQL（メタデータベース）
Airflow Webserver、Scheduler、Worker
Airflow DAGのボリュームマウント
実践演習：PostgreSQLにデータを挿入するDAG作成

⏱️ 2.5時間

ステップ 20

Sparkクラスターのコンテナ化

Apache Sparkクラスターをコンテナ化し、Jupyter Notebookから接続します。

Sparkの概要復習
Spark Master + Worker構成
Jupyter NotebookからSpark接続
ボリュームマウントでデータ共有
実践演習：PySparkコード実行とデータ処理

⏱️ 2.5時間

ステップ 21

環境変数とシークレット管理

環境変数の管理方法と、パスワードやAPIキーの安全な管理を学びます。

ENV命令とARG命令
docker run時の-eオプション
.envファイルの活用
docker-compose.ymlでの環境変数
シークレット管理のベストプラクティス

練習問題10問

ステップ 22

データパイプラインの統合実践

PostgreSQL + Airflow + Sparkを統合し、エンドツーエンドのETLパイプラインを実装します。

PostgreSQL + Airflow + Sparkの統合環境構築
エンドツーエンドのETLパイプライン実装
CSVデータをPostgreSQLに取り込むDAG
PostgreSQLからSparkで集計処理
結果をParquetで保存

⏱️ 2.5時間

ステップ 23

CI/CD統合（GitHub Actions）

GitHub ActionsでDockerイメージの自動ビルドとデプロイを実現します。

CI/CDとは
GitHub ActionsでDockerイメージビルド
Docker Hubへの自動プッシュ
タグ戦略（latest、バージョン番号）
セキュリティスキャン（Trivy）

ステップ 24

トラブルシューティングとベストプラクティス

よくあるエラーの対処法とセキュリティのベストプラクティスを学びます。

よくあるエラーと対処法
コンテナが起動しない問題
ネットワーク接続の問題
セキュリティのベストプラクティス
リソース制限の設定（メモリ、CPU）
次のステップ：Kubernetes入門

⏱️ 2.5時間

🚀 Part 6: 総合演習（ステップ25-27）

ステップ 25

プロジェクト① ローカルデータ基盤構築

PostgreSQL、pgAdmin、Jupyter Notebook、Airflowで完全なデータ分析環境を構築します。

構成: PostgreSQL、pgAdmin、Jupyter、Airflow
docker-compose.ymlで4コンテナ起動
PostgreSQLに初期データ投入
Jupyter NotebookからPostgreSQL接続
Airflowで日次集計DAG作成

総合プロジェクト

ステップ 26

プロジェクト② ETLパイプラインのコンテナ化

既存のPythonスクリプト群をDockerコンテナ化し、本番レディな環境を構築します。

Dockerfileで依存関係を定義
.envファイルで環境変数管理
docker-compose.ymlでPostgreSQL + ETLコンテナ
ヘルスチェックとリトライロジック実装
データ品質チェックの組み込み

総合プロジェクト

ステップ 27

プロジェクト③ 本番環境デプロイシミュレーション

本番環境を想定したデプロイ、モニタリング、バックアップ戦略を実装します。

開発環境と本番環境の設定分離
イメージのタグ管理とバージョニング
ログ集約（ファイル出力 + 標準出力）
リソース制限設定（メモリ・CPU）
バックアップ・リストア手順の確立
本番デプロイのチェックリスト作成

総合プロジェクト