Docker 是个很好用的东西，你可以把它类比为虚拟机，但它比虚拟机更轻量，虚拟所带来的性能损失更低。在容器内（可以类比为虚拟系统）可以安装任意版本工具和依赖包，在配置开发环境过程中出现问题，直接删除容器就好。

Docker基本概念

  • 镜像（Image）

Docker 镜像 是一个特殊的文件系统，除了提供容器运行时所需的程序、库、资源、配置等文件外，还包含了一些为运行时准备的一些配置参数（如匿名卷、环境变量、用户等）。镜像 不包含 任何动态数据，其内容在构建之后也不会被改变。

  • 容器（Container）

镜像（Image）和容器（Container）的关系，就像是面向对象程序设计中的 类 和 实例 一样;
1、镜像是静态的定义，容器是镜像运行时的实体;
2、容器可以被创建、启动、停止、删除、暂停等。

  • 仓库（Repository）

镜像构建完成后，可以很容易的在当前宿主机上运行，但是，如果需要在其它服务器上使用这个镜像，我们就需要一个集中的存储、分发镜像的服务，Docker Registry 就是这样的服务。一个 Docker Registry 中可以包含多个 仓库（Repository）；每个仓库可以包含多个 标签（Tag）；每个标签对应一个镜像。

Docker 安装

why?Because Docker 可以方便的安装深度学习环境（cuda+cudnn+tensorflow-gpu/pytorch），一键打包成镜像，解决不同电脑下软硬件的不同导致各种bug 满天飞的痛点！

1. Docker的安装

链接：https://docs.docker.com/install/linux/docker-ce/ubuntu/

跟着教程一路复制粘贴回车即可。
唯一的难点就是看懂英文的安装教程，看清楚段落层次结构。
反正，最后如果你运行sudo docker run hello-world，可以跑通，看到：
2022-03-15-Docker教程 - 图1
就说明Docker已经被你成功安装了！


2. Nvidia-docker的安装

为何又蹦出来一个nvidia-docker？由于默认安装的docker都是基于cpu版本的，如果想要配合GPU进行一些简单的部署的话，则需要安装nvidia-docker来支持GPU加速。所以NVIDIA单独做了一个docker，来让docker镜像可以使用NVIDIA的gpu。

链接：https://github.com/NVIDIA/nvidia-docker

也是直接找对应的操作系统的命令，一行行复制粘贴回车就搞定了。
反正，最后当你运行docker run —runtime=nvidia —rm nvidia/cuda:9.0-base nvidia-smi时，如果看到：
2022-03-15-Docker教程 - 图2
恭喜，安装成功了！


3. 深度学习镜像的安装

我这里使用镜像是deepo一款咱们中国人做出来的深度学习镜像，包含了现在多数流行的深度学习框架，而且版本也很新，所以我这个小白第一次就选择了这个。

链接：https://hub.docker.com/r/ufoym/deepo

只要安装好了前面的docker和nvidia-docker，这里就很方便了。
直接通过命令docker pull ufoym/deepo就可以把各种框架都下载下来。但是这样比较大，费时较长，所以教程里面也提供了只安装其中某一种框架的方式：

  1. docker pull ufoym/deepo:tensorflow


另外，还提供了jupyter notebook版的镜像，我这里就是安装的这个，因为我日常基本都是使用jupyter notebook，这里贴一下我的命令：

  1. sudo docker pull ufoym/deepo:all-jupyter-py36-cu100

这里的all-jupyter-py36-cu100也是deepo提供的jupyter notebook镜像的tag。
安装好之后，通过docker images命令，可以查看已经下载好的镜像：
image.png
好了，该装的东西都装好了，下面进入操作部分了！

PS: Docker 拉取镜像比较慢的解决方法

解决方法是 在/etc/docker文件夹下 修改daemon.json ,如果不存在这样的文件 新建一个即可.

  1. cd /etc/docker
  2. sudo vim daemon.json

然后编辑文件内容

  1. {
  2.     "registry-mirrors":[
  3.         "https://9cpn8tt6.mirror.aliyuncs.com",
  4.         "https://registry.docker-cn.com"
  5.     ]
  6. }
  1. sudo service docker restart
  2. sudo systemctl status docker
  4. # 以下命令还未尝试过
  5. sudo systemctl enable docker # 开机自动启动docker
  7. sudo systemctl start docker # 启动docker
  8. sudo systemctl restart docker # 重启dokcer
  9. sudo systemctl daemon-reload

重新试下docker pull 绝对速度飞起来~

镜像入门篇

如何获取镜像呢？

Docker 一般会将一些镜像放到 Docker Hub 上面，那么我们怎么才能获取到这些镜像呢？可以 采用以下命令获取镜像：

  1. $ docker pull [选项] [Docker Registry 地址[:端口号]/]仓库名[:标签]

docker pull 属于基本命令
[Docker Registry 地址[:端口号]：这个为 Docker 镜像仓库地址，默认地址为 Docker Hub(docker.io)；
仓库名[:标签]：如之前所说，这里的仓库名是两段式名称，即 <用户名>/<软件名>。对于 Docker Hub，如果不给出用户名，则默认为 library，也就是官方镜像。

  • 实例
    1. docker pull ubuntu:18.04
    2. docker pull nvidia/cuda:10.0-base nvcc --version
    注：上面的命令中没有给出 Docker 镜像仓库地址，因此将会从 Docker Hub （docker.io）获取镜像。而镜像名称是 ubuntu:18.04，因此将会获取官方镜像 library/ubuntu 仓库中标签为 18.04 的镜像。docker pull 命令的输出结果最后一行给出了镜像的完整名称，即： docker.io/library/ubuntu:18.04。

如何 展示 镜像内容？

可以 采用 以下命令 对想要的内容镜像内容进行查看

  1.     # 方式一 
  2.     $ docker image ls
  3.     # 方式二
  4.     $ docker images
  6.     >>> output
  7.     REPOSITORY    TAG       IMAGE ID       CREATED       SIZE
  8.     ubuntu        latest    8e428cff54c8   2 weeks ago   72.9MB
  9.     ubuntu        18.04     3339fde08fc3   2 weeks ago   63.3MB
  10.     hello-world   latest    d1165f221234   5 weeks ago   13.3kB
  11.     alpine/git    latest    a939554ad0d0   7 weeks ago   25.1MB

注：在 上面内容中，我们可以查看 我们所下载的 镜像【REPOSITORY】，版本【TAG】，镜像 ID 【IMAGE ID】 ，镜像创建时间【CREATED】 和 大小【SIZE】

如何删除本地镜像？

我们可以采用以下 四种方式 删除镜像

  1.     # 方式一：输入 长 id
  2.     $ docker image rm 8e428cff54c8
  4.     # 方式二：输入 短 id
  5.     $ docker image rm 8e4

注：一般可以用镜像的完整 ID，也称为 长ID，来删除镜像。使用脚本的时候可能会用长 ID，但是人工输入就太累了，所以更多的时候是用 短ID 来删除镜像。

Docker容器入门

How to 新建容器？

  1. docker run hello-world
  3. docker run -it -d -p 10086:10086  --name nsx_cuda -v /data/ningshixian:/data/ningshixian 镜像id /bin/bash
  5. nvidia-docker run -it -d -p 10086:10086 --name=nsx_cuda -v /data/ningshixian:/data/ningshixian 镜像id /bin/bash    
  6. # --ipc=host --runtime=nvidia

注：

  • -t 选项让Docker分配一个伪终端（pseudo-tty）并绑定到容器的标准输入上；
  • -i 交互式操作
  • -d 让 Docker 在后台运行而不是直接把执行命的结果输出在当前宿主机下
  • -p 端口映射
  • —name 自命名启动一个容器
  • -v /data/ningshixian:/data/ningshixian 可以将主机上的/data/ningshixian 地址挂载到容器里，并命名为/data/ningshixian 文件夹，这样这个文件夹的内容可以在容器和主机之间共享了。因为容器一旦关闭，容器中的所有改动都会清除，所以这样挂载一个地址可以吧容器内的数据保存到本地。
  • ubuntu: 基于ubuntu image创建 container
  • 0bedd0dfd4cb 则是你安装的 nvidia/cuda:9.0-base 镜像的id
  • /bin/bash：放在镜像名后的是命令，这里我们希望有个交互式 Shell，因此用的是 /bin/bash。

新建好容器之后，就可以进行自定义的环境配置了：

解决Ubuntu终端下载速度过慢问题

  1. # 进入容器后执行
  2. apt-get update
  3. # apt-get upgrade
  4. apt-get install vim git
  6. wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
  7. wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh
  9. # 进入下载目录...
  10. sudo bash Anaconda3-2020.11-Linux-x86_64.sh
  11. # Anaconda安装过程...记得添加环境变量yes
  13. # 换清华源
  14. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  15. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
  16. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  17. # 设置搜索时显示通道地址
  18. conda config --set show_channel_urls yes
  20. # 创建keras环境
  21. conda create -n nsx_env python=3.7
  22. # 切换环境
  23. conda activate nsx_env
  24. # 在Ubuntu中提供编译c/c++的环境(可略)
  25. apt-get install build-essential -y
  26. # conda install cudatoolkit=10.1 cudnn=7.6.5
  27. conda install cudatoolkit=10.0 cudnn=7.6.5
  28. # 装完就完事了
  29. 写个程序跑一下，缺啥再pip

How to 查看容器？

  • 查看所有容器

    1. docker ps -a

  • 查看 在后台运行的容器

    1. docker ps -n 5

    ps: -n 表示显示前 n 个活跃容器

How to 删除容器呢？

  1. docker stop container-id
  2. docker rm container-id

如何 启动 容器？

上面介绍了 如何查看 容器，但是对于一些未启动的容器， 我们如何启动一个容器呢？

  1. docker start [-i] container-id

启动某个容器，必须是已经创建的。

如何 停止/重启 容器？

docker stop可以停止运行的容器。理解：容器在 docker host 中实际上是一个进程，docker stop命令本质上是向该进程发送一个SIGTERM信号。如果想要快速停止容器，可使用docker kill命令，其作用是向容器进程发送SIGKILL信号。

  1. docker stop container-id
  2. docker restart container-id

如何 进入 容器？

在使用 -d 参数时，容器启动后会进入后台，启动完容器之后会停在host端；某些时候需要进入容器进行操作，包括使用 docker attach 命令或 docker exec 命令，推荐大家使用 docker exec 命令，原因会在下面说明。

  • attach 命令

    1. $ docker run -dit ubuntu 
    2. $ docker container ls
    3. $ docker attach $CONTAINER ID

    注意： 如果从这个 stdin 中exit回到host端，会导致容器的停止。

  • exec 命令 ```python $ docker run -dit ubuntu $ docker container ls

$ docker exec -i 69d1 /bin/bash $ docker exec -it 69d1 bash

  2. - -t 选项让Docker分配一个伪终端（pseudo-tty）并绑定到容器的标准输入上；
  3. - -i 则让容器的标准输入保持打开
  5. 注意：如果从这个 stdin 中 exit回到host端，但不会导致容器的停止。这就是为什么推荐大家使用 docker exec 的原因。
  7. attach 和 exec 的区别：
  9. 1. attach直接进入容器启动命令的终端，不会启动新的进程；
  10. 1. exec则是在容器中打开新的终端，并且可以启动新的进程；
  11. 1. 如果想直接在终端中查看命令的输出，用attach，其他情况使用exec；
  13. <a name="HCqjK"></a>
  14. ### 如何 退出/离开 容器？
  15. 进入交互模式之后，怎么**退出**呢：
  17. - 想退出但是保持容器运行，按 CTRL+P && CTRL+Q 
  18. - 退出，并关闭停止容器，按CTRL+D或者输入exit再回车
  20. <a name="i20CJ"></a>
  21. ### 导出和导入容器
  23. - **导出容器**
  25. 如果要导出本地某个容器，可以使用 **docker export** 命令，导出容器 1e560fca3906 快照到本地文件 ubuntu.tar
  26. ```python
  27. $ docker export 1e560fca3906 > ubuntu.tar
  • 导入容器快照

可以使用 docker import 从容器快照文件中再导入为镜像，以下实例将快照文件 ubuntu.tar 导入到镜像 test/ubuntu:v1:

  1. $ cat docker/ubuntu.tar | docker import - test/ubuntu:v1

Docker容器保存为镜像文件

https://zhuanlan.zhihu.com/p/348849578

运行一个docker container，然后在其中进行定制化（安装、配置服务等）之后，将其打包成镜像，方便迁移至其他机器，快速搭建回之前的环境！！

方法 1：docker commit（方便）

  1. # 将容器打包成镜像
  2. # docker commit 容器id 镜像起名:版本号
  3. docker commit d5944567401a mssql-2019-with-cimb:1.0
  5. # 将镜像保存为本地文件
  6. # docker save -o 本地文件名称 要打包的镜像名称:版本号
  7. docker save -o mssql-2019-with-cimb.tar mssql-2019-with-cimb
  9. # 从文件载入镜像
  10. docker load --input 本地文件名称
  11. docker images


方法 2：docker build （推荐）
使用 Dockerfile 文件自动化制作 image

  1. docker build -f ./Dockerfile -t 镜像名称:版本号

Docker jupyter notebook 服务 [力荐!]

1.如何创建自己的可以远程访问的容器：

  1. sudo nvidia-docker run -it -p 7777:8888 --ipc=host -v /data/ningshixian:/data/ningshixian --name nsx-notebook  90be7604e476

其中：

  • -it为直接进入交互式
  • -p 7777:8888是把主机的7777端口映射到容器的8888端口
  • -ipc=host可以让容器与主机共享内存
  • 还可以加一个—name xxxxx给容器定义一个个性化名字
  • -v /data/ningshixian:/data/ningshixian 可以将主机上的/data/ningshixian 地址挂载到容器里，并命名为/data/ningshixian 文件夹，这样这个文件夹的内容可以在容器和主机之间共享了。因为容器一旦关闭，容器中的所有改动都会清除，所以这样挂载一个地址可以吧容器内的数据保存到本地。
  • 90be7604e476则是你安装的jupyter镜像的id，可以在刚刚docker images命令后面查看，当然你也可以直接写全名ufoym/deepo:all-py36-jupyter

2.创建了容器之后，我们可以进而启动jupyter notebook：

  1. jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/data/ningshixian'

其中：

  • —no-browser即不通过浏览器启动，—ip指定容器的ip，—allow-root允许root模型运行
  • —NotebookApp.token可以指定jupyter 登录密码，可以为空
  • —notebook-dir=’/data/ningshixian’ 指定jupyter的根目录

3.开启本地与服务器的端口映射，从而远程登录jupyter：

在本地机器上，执行如下命令：

  1. ssh username@host-ip -L 1234:127.0.0.1:7777

这样，可以将本地的1234端口，映射到服务器的localhost的7777端口（即你前面创建jupyter容器时候的指定的服务器端口）
这样，你在本地电脑的浏览器里输入’localhost:1234’，即可登录到服务器上的jupyter notebook了！
2022-03-15-Docker教程 - 图4
2022-03-15-Docker教程 - 图5
既能远程访问高性能服务器，又可以像在本地一样便捷地操作，你说激动不激动你说激动不激动？

参考