Docker

Docker原理

虚拟机 VS 容器

镜像 VS 容器

镜像Images 与 容器Containers 就像是类和对象的关系

容器是由镜像创建的，我们平时上传和下载下来的都是镜像，想要运行程序，就需要使用镜像去创建容器后运行，而“运行镜像”实际上是包含了创建容器这一步的。

Docker采用C/S架构

容器化

Dockerfile内包含环境、依赖、配置相关的各种命令

# FROM baseImage
FROM node:12-alpine
# COPY source dest
COPY index.js /index.js
# CMD [ "executable" ]
CMD ["node", "index.js"]
1
2
3
4
5
6

Dockerfile实例

Step1： 复制镜像文件/自己写镜像文件（Dockerfile + 程序文件）

• 复制：从DockerHub下载

docker pull 镜像地址
1

• 自己写：创建名为ImageName 的镜像：复制应用程序、依赖包、配置文件

docker build -t ImageName .
1

使用docker image ls查看docker本地的所有镜像

Step2： 执行启动命令运行程序

docker run ImageName
1

核心概念及参数：
docker run 参数 ImageName：根据镜像ImageName创建容器并运行,没有镜像会先自动下载。

• -d：daemon
• -p：宿主环境host：容器环境。-p 80:80 端口号映射
• -it：interactive交互式
• --rm：运行完之后删除
  docker ps：默认查看正在运行的容器
• -a: 查看所有已经创建的容器

docker image ls：列出镜像列表
docker ps：默认查看正在运行的容器。-a 查看所有已经创建的容器

Docker打包深度学习环境

下载并运行深度学习环境(nvidia && cuda && pytorch)

docker run --gpus all -it --rm -p 8888:8888 -v /c/Users/Lenovo:/workspace nvcr.io/nvidia/pytorch:20.1017-py3
1

• xx.xx: 用docker --version查看，如20.10.17 => 20.1017-py3 （注意少一个.）
• --gpus all：所有的显卡都映射到 docker 中
• /c/Users/Lenovo:/workspace：完成地址映射，/c/Users/Lenovo是本机执行目录，pwd查看；/workspace是docker虚拟环境工作目录
• -it：interactive
• --rm：运行完之后删除

run起来后在ipynb中测试：

import torch\n
torch.cuda.is_available()
torch.version.cuda
torch.__version__\n",
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_name(1)
1
2
3
4
5
6
7

加载本地docker文件：（假如 xx.tgz 是打包好的 docker 镜像)

docker load < xx.tgz
1