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

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

AI 코딩 에이전트 도입 시 고려해야 할 보안 제어 프레임워크: 속도와 안전의 균형 잡기

최근 Claude Code나 Kiro와 같은 AI 코딩 에이전트들이 단순한 코드 완성을 넘어, 자연어 프롬프트 하나로 수십 개의 PR을 생성하고 인프라를 수정하는 수준까지 발전했습니다. 하지만 이러한 생산성 향상은 '기계적 속도'라는 트레이드오프를 동반합니다. AI 에이전트는 조직의 보안 리스크나 컴플라이언스를 이해하지 못한 채 오직 '작업 완료'에만 최적화되어

By JHL

AI 벤치마크의 '포화 상태'와 평가 지표의 유효기간: 우리는 무엇을 믿어야 하는가

최근 LLM의 성능이 비약적으로 상승하면서, 역설적으로 우리가 모델의 성능을 측정하는 '자' 자체가 무용지물이 되는 현상이 가속화되고 있습니다. arXiv에 게재된 "When AI Benchmarks Plateau: A Systematic Study of Benchmark Saturation" 연구는 우리가 흔히 신뢰하는 벤치마크 점수가 왜 더 이상 모델 간의 변별력을 제공하지 못하는지, 그리고 이른바 '

By JHL

AI 에이전트 시대의 엔드포인트 보안: 실행 권한을 넘어 '행위 거버넌스'로

DevOps.com을 통해 Airlock Digital이 발표한 'Agentic AI Control & Governance' 솔루션 소식을 접했습니다. 이번 발표의 핵심은 단순히 '어떤 AI 소프트웨어를 실행할 것인가'라는 기존의 화이트리스트 방식(Application Control)을 넘어, 실행 중인 AI 에이전트가 '실제로 어떤 명령을 내리고 어떻게 행동하는가'를 실시간으로 제어하겠다는

By JHL