一句话定义：容器镜像分层（Image Layer）指的是容器镜像（Container Image）并非一整块打包文件，而是由一串只读的“层”叠起来的，每层只记录相对上一层的文件改动。
打个比方，它就像一叠透明幻灯片：每张只画新增或修改的那几笔，叠在一起才是完整画面。也像 Git 提交历史：每次只存差异，但历史本身完整可复现。
在 Dockerfile 里，每执行一条指令（安装系统包、COPY 源码、pip install）通常就生成一层。层一旦生成就只读，并且内容决定它的哈希身份：内容一致，哈希一致，就能直接复用，不用重新下载或重新构建。
为什么你的镜像越拉越慢
AI 项目最常见的写法是：先 COPY . . 把整个项目塞进去，再装依赖。
坑就在这里。缓存失效会连锁触发：某一层的内容变了，它的哈希就变了，它后面的所有层全部作废。你在笔记本里改一行代码，COPY 那层就变了，后面的依赖安装层也跟着重来，构建慢，推上去的层又多，同事拉取时的下载量自然大。
更隐蔽的是打包了不该打包的东西：数据集、checkpoint 权重、.git、__pycache__、pip 缓存。它们能把一层从几十 MB 变成几个 GB，而这层每次改代码都要重新传。而且镜像里的大文件是“永久”的：在后一层删掉，只是记了一条“已删除”，下层那几百 MB 照样被下载。
怎么瘦下来
1. 排序：变化慢的往前放。基础镜像 → 系统依赖 → requirements.txt → 源码。这样改代码只让最后一层失效。
2. .dockerignore：排除数据、权重、缓存、.git。这一条往往最见效。
3. 装完随手清：安装和清理写在同一条 RUN 里，否则删除动作自己又变成新的一层。
4. 多阶段构建（Multi-stage Build）：编译工具链留在构建阶段，最终镜像只复制产物。
5. 权重和数据用卷（Volume）运行时挂载，不打进镜像。
和相邻概念的区别
| 概念 | 是什么 | 可写性 |
|---|---|---|
| 层（Layer） | 一组文件变更，按内容寻址，可被多个镜像共享 | 只读 |
| 镜像（Image） | 有序层的集合加上启动配置 | 只读 |
| 容器（Container） | 镜像加上最顶上一层可写层 | 顶层可写 |
注意：容器里改文件不会改镜像，只是写在那层可写层上，容器删掉就没了，这也是“本地跑得好好的、换台机器就崩”的常见来源。
对你的意义
层是可复用的最小单位：不同镜像共享同一个基础层，磁盘和带宽都省。对 AI 团队来说，层的顺序直接决定 CI 缓存命中率、决定新同事多久能跑起第一个 demo；对非技术同事来说，它决定了“为什么昨天还好好的部署，今天要等二十分钟”。各工具的层数上限与缓存策略细节不同，具体以官方页面为准。