docker入门级使用教程

1. Docker是什么

简单理解为主要应用在Linux上的虚拟机，后台中常用到。

镜像：系统的镜像文件，是一个系统

容器：正在运行中的虚拟机

tar文件：将镜像直接保存为tar文件，是一个可加载的中间文件。

Dockfile: 配置文件，根据其中内容进行build

远程仓库：仓库是远端保存好的镜像文件

2. 流程

本地先拉取一个基础镜像，然后自己需要在本地进行加工成自己的需要的环境，这时候需要把镜像转化成容器操作，配置完自己想要的环境以及编写完必须脚本之后，重新把容器转化成镜像提交到云端，云端根据提交的镜像运行得出结果。

拉一个镜像：可以从下面地址找连接：https://tianchi.aliyun.com/forum/postDetail?spm=5176.12282029.0.0.2dd1f33aTGlXoR&postId=67720

Dockfile中FROM字段就可以填写镜像的地址连接，

比如说： registry.cn-shanghai.aliyuncs.com/tcc-public/pytorch:1.4-cuda10.1-py3

扫描二维码关注公众号，回复： 12635673 查看本文章

或者也可以docker pull +连接下载镜像
运行镜像，得到容器：docker run命令

docker run -it -w 工作目录 -v 本地目录：映射到容器的目录 --name 容器名字 imageid /bin/bash
- -it 可以生成终端入口进入
- -w 这里指定工作目录。建议直接用/,指定为根目录
- -v 映射本地数据目录,这个很重要！！
- /bin/bash 这可以是的容器一直都是保持状态
- -d 后台运行
- -p 制定内外端口映射 eg 80:80
建立必要脚本：
- run.sh 其中编写推理的代码，比如python infer.py
- infer.py 推理代码，生成最终预测文件
容器转镜像并提交：
- docker commit 容器id 容器名字
- 通过阿里云上命令提示，将镜像上传到仓库
- 仓库地址+版本号：即可提交
提交前的验证：
- docker run -v /data:/tcdata your_image sh run.sh

3. 常用

docker ps查看正在运行的容器

docker images查看镜像

删除容器： docker rm -f 容器id

删除镜像： docker rmi 镜像id

保存docker镜像: docker save/export 镜像id > 1.tar

加载docker镜像: docker load< 1.tar or cat docker/ubuntu.tar | docker import - test/ubuntu:v1

退出容器：exit

退出容器但不关闭容器Crtl+P+Q

查看log: docker logs + 容器id

停止/启动容器：docker stop/start + 容器id

载入、获取镜像： docker pull ubuntu

当使用了docker run -d 的时候，代表容器在后台运行，想要进入容器需要使用命令：docker exec + 容器id

清理所有终止状态的容器：docker container prune

查看容器内部进程：docker top 容器名称

清理所有None的镜像：docker image prune or docker rmi $(docker images -f “dangling=true” -q)

查找镜像：docker search 字段

4. Dockfile

Dockerfile 是一个用来构建镜像的文本文件，文本内容包含了一条条构建镜像所需的指令和说明。

FROM + 连接：构建镜像
RUN + 命令：执行的命令 eg: RUN [‘sh’, ‘run.sh’]

5. Nvidia-docker

nvidia-docker安装方式：

sudo usermod -aG docker pdluser

curl https://get.docker.com | sh
 
sudo systemctl start docker && sudo systemctl enable docker
 
# 设置stable存储库和GPG密钥：
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
 
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
 
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
 
# 要访问experimental诸如WSL上的CUDA或A100上的新MIG功能之类的功能，您可能需要将experimental分支添加到存储库列表中.
# 可加可不加
curl -s -L https://nvidia.github.io/nvidia-container-runtime/experimental/$distribution/nvidia-container-runtime.list | sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list
 
# nvidia-docker2更新软件包清单后，安装软件包（和依赖项）：
sudo apt-get update
 
sudo apt-get install -y nvidia-docker2
 
# 设置默认运行时后，重新启动Docker守护程序以完成安装：
sudo systemctl restart docker