hello

컨테이너 이미지 - Ubuntu

Share

GitHub : https://github.com/declue/docker_ubuntu

2019년에 만들었던 Docker 이미지입니다.

만든 목적은.. 기본 ubuntu 이미지에는 제가 자주 쓰는 도구가 너무 없어서 그냥 기본 빌트인을 시킬겸, base 이미지를 만들겸 제작하게 되었습니다.

GitHub Actions를 이용하여 ubuntu 버전별로 다음의 과정을 거쳐 이미지를 만들고 있습니다.

현재 아래와 같이 버전별로 제공이 되며, 한국어 지원 및 빌트인 패키지들이 아래와 같이 포함되어 있습니다.

사용은 아래와 같이 호출이 가능합니다.

docker pull ghcr.io/declue/docker_ubuntu:22.04

github를 참고하면 좋으나.. 여기에 Dockerfile를 한번 같이 공유합니다.

ARG BASE_IMAGE=ubuntu:22.04 
ARG BUILD_DATE=2025-03-05

FROM $BASE_IMAGE

# Set build date as an environment variable
ENV UBUNTU_UPDATED_TIME=${BUILD_DATE}
# Prevent interactive prompts during package installation
ENV DEBIAN_FRONTEND="noninteractive"

ENV TERM=xterm-256color

# Update system and install essential packages
RUN apt-get update && \
    apt-get install -y --no-install-recommends \
        apt-utils locales vim net-tools iputils-ping curl wget tree jq htop unzip zip traceroute \
        software-properties-common lsb-release ca-certificates dnsutils fontconfig  && \
    apt-get clean && rm -rf /var/lib/apt/lists/*

# Manually configure Korean locale (Fix for missing language-pack-ko)
RUN echo "ko_KR.UTF-8 UTF-8" > /etc/locale.gen && \
    locale-gen ko_KR.UTF-8 && \
    update-locale LANG=ko_KR.UTF-8
    
# Install Nanum fonts (with error handling for unsupported platforms)
RUN apt-get update && \
    apt-get install -y --no-install-recommends fonts-nanum fonts-nanum-coding || true && \
    fc-cache -fv && \
    apt-get clean && rm -rf /var/lib/apt/lists/*
    
# Set environment variables for Korean language support    
ENV LANG=ko_KR.UTF-8 
ENV LANGUAGE=ko_KR.UTF-8 
ENV LC_ALL=ko_KR.UTF-8

# Timezone
ENV TZ=Asia/Seoul 
RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && echo $TZ > /etc/timezone

또한 github actions도 다음과 같이 구성되었습니다. (매일 빌드)

name: Docker

on:
  push:
    branches: [ "main" ]
  pull_request:
    branches:
      - main
  workflow_dispatch:
  schedule:
    - cron: "0 15 * * *" # Run daily at 00:00 KST (15:00 UTC)

env:
  REGISTRY: ghcr.io
  IMAGE_NAME: ${{ github.repository }}

jobs:
  build:
    strategy:
      matrix:
        ubuntu_version: ['24.04', '22.04', '20.04', '18.04', '16.04']
        
    runs-on: ubuntu-latest
    permissions:
      contents: read
      packages: write

    steps:
      - name: Checkout repository
        uses: actions/checkout@v3

      - name: Setup QEMU for multi-platform builds
        uses: docker/setup-qemu-action@v2

      - name: Setup Docker buildx
        uses: docker/setup-buildx-action@v1

      - name: Log into registry ${{ env.REGISTRY }}
        if: github.event_name != 'pull_request'
        uses: docker/login-action@v1
        with:
          registry: ${{ env.REGISTRY }}
          username: ${{ github.actor }}
          password: ${{ secrets.GITHUB_TOKEN }}

      - name: Extract Docker metadata
        id: docker_meta
        uses: docker/metadata-action@v4
        with:
          images: ${{ env.REGISTRY }}/${{ env.IMAGE_NAME }}
          tags: ${{ matrix.ubuntu_version}}

      - name: Get build time
        id: build_time
        run: echo "BUILD_TIME=$(date -u +"%Y-%m-%dT%H:%M:%SZ")" >> $GITHUB_ENV
          
      - name: Build and push Docker image
        id: build-and-push
        uses: docker/build-push-action@v2
        with:
          context: .
          push: ${{ github.event_name != 'pull_request' }}
          tags: ${{ steps.docker_meta.outputs.tags }}
          labels: ${{ steps.docker_meta.outputs.labels }}
          cache-from: type=gha
          cache-to: type=gha,mode=max
          build-args: |
            BASE_IMAGE=ubuntu:${{ matrix.ubuntu_version }}
            BUILD_DATE=${{ env.BUILD_TIME }}
          platforms: linux/amd64,linux/arm64,linux/arm/v7

Read more

AI 에이전트 시대의 코드 호스팅: Cursor ‘Origin’은 왜 등장했나

AI 코딩 도구로 빠르게 성장한 Cursor가 이제 코드 에디터를 넘어 코드 호스팅 영역까지 확장하고 있습니다. 2026년 8월 17일 Cursor는 Origin이라는 새로운 코드 호스팅 서비스를 early beta로 공개했습니다. 쉽게 말하면 GitHub처럼 Git 저장소를 만들고, 코드를 올리고, Pull Request(PR)를 만들고 리뷰할 수 있는 서비스입니다. 그런데 단순히 "Cursor가 GitHub 비슷한

By JHL

코딩 에이전트에 1,000억 토큰을 써보니, 병목은 모델 밖에 있었다

Codex 화면에 집계된 누적 사용량은 약 866억 토큰이었다. Claude는 내가 확인할 수 있었던 로컬 머신의 집계값만 합쳐도 약 127억 토큰이었다. 다만 Claude는 여러 워크스테이션과 서버에서 사용했고, 중간에 사용량 데이터를 한 번 날려버리기도 했다. 누락된 머신과 기간을 감안하면 실제 사용량은 300억 토큰을 넘었을 가능성이 높다. 여기에 Ollama Cloud로 사용한 GLM, Qwen

By JHL

AI가 짜준 코드가 배포 속도를 높였다면, 이제는 '신뢰성 가드레일'을 세울 때입니다

최근 많은 팀이 AI 코딩 어시스턴트나 에이전트를 도입하면서 코드 생산 속도가 비약적으로 상승했습니다. 하지만 속도가 빨라졌다는 것은 그만큼 잠재적인 결함이 프로덕션 환경으로 유입되는 속도 또한 빨라졌음을 의미합니다. DevOps.com의 이번 글은 AI가 생성한 코드의 특성과 그로 인해 발생하는 새로운 유형의 리스크, 그리고 이를 제어하기 위한 '신뢰성 가드레일(Reliability Guardrails)

By JHL

LLM 시대, 프롬프트 엔지니어링보다 '도메인 전문성'이 더 강력한 무기인 이유

최근 AI 도구들이 비약적으로 발전하면서 '프롬프트 엔지니어링'이라는 기술적 기법에 많은 관심이 쏠렸습니다. 하지만 실제 현업에서 LLM을 극한으로 활용해 고도의 결과물을 만들어내는 사람들의 공통점은 정교한 프롬프트 템플릿을 쓰는 능력이 아니라, 해당 분야에 대한 깊은 '도메인 전문성'을 갖추고 있다는 점입니다. 많은 이들이 LLM이 지식의 격차를 줄여준다고

By JHL