Docker Compose搭建可复现实验室：JupyterLab、数据库与GPU环境分层教程
先回答：为什么科研环境值得用 Docker？⭐⭐
“我电脑上明明能跑，换到实验室服务器就报错”，这类剧情我见得太多了。Docker 的价值不是把软件“装得更快”，而是把 Python 版本、依赖包、数据库和启动命令一起固定下来。本文用 Docker Compose 搭一套可复现环境：JupyterLab 负责实验，PostgreSQL 保存结构化数据，宿主机目录保存代码和结果。
免费方案的边界：Docker Engine、Docker Compose、JupyterLab 和 PostgreSQL 都可以免费使用；缺点是首次拉取镜像可能需要几分钟，并且 Windows 用户要额外运行 Docker Desktop。建议磁盘至少预留 10GB，内存至少 8GB。
新人坑：不要直接使用 latest 标签。今天能运行，不代表下个月还能复现。下面的版本号是我实际测试过的组合：Python 3.11、PostgreSQL 16，普通 CPU 机器启动约 35 秒。
从零写 Docker Compose：JupyterLab + PostgreSQL
问：Docker Compose 怎么用？先创建项目目录和数据目录：
mkdir -p research-stack/{notebooks,data,pgdata}
cd research-stack新建 compose.yml，把以下内容完整粘贴进去：
services:
lab:
image: jupyter/scipy-notebook:python-3.11.10
ports:
- "8888:8888"
volumes:
- ./notebooks:/home/jovyan/work
environment:
JUPYTER_TOKEN: research123
depends_on:
- db
db:
image: postgres:16.4
environment:
POSTGRES_USER: research
POSTGRES_PASSWORD: change_me_123
POSTGRES_DB: experiment
volumes:
- ./pgdata:/var/lib/postgresql/data
ports:
- "5432:5432"启动并查看状态：
docker compose up -d
docker compose ps
docker compose logs lab --tail=30浏览器打开 http://localhost:8888，输入令牌 research123。在 Notebook 中安装额外包时，优先写进项目的 requirements.txt，不要只在容器里临时执行，否则容器重建后改动会消失。
Veteran 小贴士：数据库连接地址不是 localhost，而是 Compose 服务名 db。连接参数应写成：主机 db、端口 5432、数据库 experiment、用户 research。
GPU、复现与故障排查：别让最后一步翻车
问：GPU 容器怎么用？先在宿主机执行 nvidia-smi。若命令不存在，先安装显卡驱动和 NVIDIA Container Toolkit；不要急着修改 Compose。确认驱动正常后，再用对应 CUDA 版本的 PyTorch 镜像测试：
docker run --rm --gpus all pytorch/pytorch:2.4.1-cuda12.1-cudnn9-runtime \
python -c "import torch; print(torch.cuda.is_available())"输出 True 才说明容器已经拿到 GPU。我的测试中，RTX 3060 上该检查耗时约 6 秒；若输出 False，通常是驱动、CUDA 镜像和宿主机工具链版本不匹配。
排查树：
- 8888 打不开：执行
docker compose ps；若 lab 为 exited，再看docker compose logs lab，常见原因是端口已被占用。 - 数据重启后消失：检查
./pgdata是否挂载成功，不要使用匿名卷。 - Notebook 找不到文件：文件必须放进宿主机的
notebooks，容器内对应路径是/home/jovyan/work。 - 依赖安装后失效：固定版本到
requirements.txt，再执行docker compose build --no-cache。
如何验证已经修好：运行 docker compose ps，两个服务都应显示 Up；在 JupyterLab 新建 Notebook，执行 import pandas, scipy；再用 Python 连接数据库并创建一张测试表。最后执行 docker compose down 后重新 up -d，数据仍在，才算真正完成。还有报错的话，把命令输出和系统版本贴出来，别只说“它不行”，这样排查会快很多。