关于Docker
缘起
配置环境真是要人命！
有一个办法：可以把环境打包，克隆给所有人使用，比如克隆一个虚拟机，不过虚拟机太笨重了，把整个操作系统都要保存下来，并不方便。于是有一个叫做Docker的东西出现了，好家伙，这玩意竟然可以在windows上面运行linux系统，而且是轻量级的，这个方案叫“容器”，Docker 是 Linux 容器的一种封装。具体细节我就不管了，交给computer science研究人员吧，我只需要会用就行了。
可以在主机上安装docker桌面版：
docker桌面版下载
下载之后要注册一个账号，然后登录。
界面是全英文的，网上有一些汉化方案，但好像不太行，我没有进行汉化。
概念
images :译为“镜像”，在执行 pull 指令时，下载的就是这个镜像。Docker 把应用程序及其依赖，都打包在 image 文件里面。image可以生成container。
containers：译为“容器”，我感觉译为“容器实例”或者“镜像实例”更合适，是在 image 基础上生成的。
# 列出本机的所有 image 文件。
docker image ls
# 删除 image 文件
docker image rm [imageName]
下载镜像
配置国内镜像
linux 下：
# linux下
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"registry-mirrors": [
"https://mirror.ccs.tencentyun.com",
"https://docker.m.daocloud.io",
"https://dockerproxy.com",
"https://docker.mirrors.ustc.edu.cn",
"https://docker.nju.edu.cn"
]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker
适用于已安装 Boot2Docker 的 Windows 操作系统实例：
进入 Boot2Docker Start Shell，并执行以下命令：
sudo su echo "EXTRA_ARGS=\"–registry-mirror=https://mirror.ccs.tencentyun.com\"" >> /var/lib/boot2docker/profile exit
重启 Boot2Docker。
Windows桌面版设置：
Windows Docker 配置国内镜像源的两种方法
pull下载
有一个官方 docker 市场，里面可以下载各种镜像文件，dockerhub，不过好像被墙了，国内不太好下载，一般使用国内镜像站。
hello world
docker image pull library/hello-world
# 或者
docker image pull hello-world
docker image pull是抓取 image 文件的命令。library/hello-world是 image 文件在仓库里面的位置，其中library是 image 文件所在的组，hello-world是 image 文件的名字。Docker 官方提供的 image 文件，都放在library组里面，所以它的是默认组，可以省略。
生成container
# 生成这个hello-world的一个container，会由image生成一个container
docker container run hello-world
# 这个hello-world运行完毕后会自动停止
进阶
假设我们现在要下载一个 tensorflow 的镜像。可以使用命令：
# 根据需要使用以下三个任一即可
docker pull tensorflow/tensorflow # latest stable release
docker pull tensorflow/tensorflow:devel-gpu # nightly dev release w/ GPU support
docker pull tensorflow/tensorflow:latest-gpu-jupyter # latest release w/ GPU support and Jupyter
# 冒号后面的是标签，表示不同版本
# 生成容器，参数 -it: 让docker使用交互式输出，使用该参数后，终端即为容器中的系统的终端，
# 参数 bash，在语句结尾的，运行镜像后立即执行的指令，bash指在容器内执行/bin/bash命令，保证用户可以使用 Shell。
docker run -it tensorflow/tensorflow bash
# 运行整个指令后的效果是：
# 如果本机没有 tensorflow/tensorflow 镜像，则会自动下载，如有或者下载完毕后，会进入虚拟系统的终端。
# 下面的操作就和Linux操作一样了。
# 看看另一个指令，这里 -p 指令是指定端口映射，格式为：主机(宿主)端口:容器端口，将容器端口映射到主机端口，这在web开发时很有用
docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-jupyter
# 还有一个参数 -name 是指定生成容器的名称，如果没有这个参数，则系统随机生成名称
# 如果使用的是docker桌面版，则在run之后，能看到containers里面多了一个名称很奇怪的容器，容器的image就是刚刚run时使用的image
# 同时还能看到名称下面有一个id号
# 查看我们正在运行的容器的信息
docker ps
# 启动某个容器
docker container start [containerID]
# 停止
docker container stop [containerID]
# 强行终止
docker kill [containerID]
# 重启
docker restart <容器 ID>
# 其他参数 -d 后台运行
docker run -itd --name ubuntu-test ubuntu /bin/bash
# 在后台运行时，如果想进入，使用attach或者exec，两者不同：attach 的退出会致使容器停止，exec的退出不会使容器停止
docker attach <容器 ID> # 如果此时从这个容器退出，会导致容器的停止。
docker exec -it <容器 ID> /bin/bash
# 其他参数 -v 指定在主机文件夹中运行。启动一个ubuntu容器，宿主机的/data1目录挂载到容器的/data2目录
docker run -it -v /data1:/data2 centos /bin/bash
# 在容器启动后，容器内会自动创建/data2的目录。
# -v参数中，冒号":"前面的目录是宿主机目录，后面的目录是容器内目录。
# 冒号”:”前后的路径必须是绝对路径，以下斜线“/”开头。
# 宿主机目录如果不存在，则会自动生成。
# 导出容器，导出容器快照到本地文件。
docker export 1e560fca3906 > ubuntu.tar
# 导入快照，将快照文件 ubuntu.tar 导入到镜像 test/ubuntu:v1
cat docker/ubuntu.tar | docker import - test/ubuntu:v1
# 通过指定 URL 或者某个目录来导入，例如：
docker import http://example.com/exampleimage.tgz example/imagerepo
#退出
exit
# 退出码：0正常退出
# 非0，退出异常
# 查看容器状态
docker ps -a
# STATUS: 容器状态。
# 状态有7种：
# created（已创建）
# restarting（重启中）
# running（运行中）
# removing（迁移中）
# paused（暂停）
# exited（停止）
# dead（死亡）
docker container ls # 列出本机正在运行的容器
# （加入--all参数列出所有容器，包括已停止运行的容器）
docker container rm [container_id] # 删除ID为[container_id]的容器
与主机进行文件传输
docker container cp [containID]:[/path/to/file]
# 例如
docker cp [containID]:/my_keras_model/ E://linshi/
运行一个web应用
runoob@runoob:~# docker pull training/webapp # 载入镜像
runoob@runoob:~# docker run -d -P training/webapp python app.py
# -d:让容器在后台运行。
# -P:将容器内部使用的网络端口随机映射到我们使用的主机上。
runoob@runoob:~# docker ps
CONTAINER ID IMAGE COMMAND ... PORTS
d3d5e39ed9d3 training/webapp "python app.py" ... 0.0.0.0:32769->5000/tcp
使用GPU
使用最新的 TensorFlow GPU 映像在容器中启动 bash shell 会话：
docker run --gpus all -it tensorflow/tensorflow:latest-gpu bash
# 如果需要指定文件夹，需要加上 -v参数
docker run --gpus all -it --name gpulab -v E:\\CodeCenter\\shenjing:/data2 tensorflow/tensorflow:latest-gpu bash
其他使用指令
本地制作镜像保存并导出
先查看本地 images 列表，找到IMAGE ID ，然后使用 save 命令保存（导出），将导出文件传输到另一台机器，在另一台机器上使用 load 命令导入，再打上tag和REPOSITORY名称即可。
# 查看本地images 列表，获取IMAGE ID
sudo docker images
# 将指定id的Image导出到本地
sudo docker save aba01f181a4a > /opt/webconsole.tar
# 在另一台机器上导入
sudo docker load < webconsole.tar
# 查看导入情况
sudo docker images
# 打上tag和REPOSITORY
sudo docker tag aba01f181a4a webconsole:latest
# 运行
sudo docker run -itd webconsole:latest
# 查看ip地址
sudo docker inspect docker_name
使用apache/nginx
在云服务器上，安装docker，使用docker镜像的网站，可以便于网站的迁移。
先回顾一下什么是nginx:
Nginx (pronounced "engine-x") is an open source reverse proxy server for HTTP, HTTPS, SMTP, POP3, and IMAP protocols, as well as a load balancer, HTTP cache, and a web server (origin server). The nginx project started with a strong focus on high concurrency, high performance and low memory usage. It is licensed under the 2-clause BSD-like license and it runs on Linux, BSD variants, Mac OS X, Solaris, AIX, HP-UX, as well as on other nix flavors. It also has a proof of concept port for Microsoft Windows. Nginx读作“engine-x”，是用于 HTTP、HTTPS、SMTP、POP3 和 IMAP 协议的开源反向代理服务器，以及负载平衡器、HTTP 缓存和 Web 服务器（源服务器）。nginx 项目一开始就非常注重高并发、高性能和低内存使用率。它根据 2 条款类 BSD 许可证获得许可，可在 Linux、BSD 变体、Mac OS X、Solaris、AIX、HP-UX 以及其他 nix 版本上运行。它还具有用于Microsoft Windows的概念验证端口。
先看看nginx，拉取：
# 拉取
docker pull nginx
# 假设已有静态网页文件，在文件夹/some/content下，那么可以使用下面的命令运行起来
docker run --name some-nginx -v /some/content:/usr/share/nginx/html:ro -d nginx
# 或者，可以使用简单的Dockerfile来生成新的镜像
FROM nginx
COPY static-html-directory /usr/share/nginx/html
# 含义是将主机的static-html-directory文件夹下内容拷贝到nginx工作目录，创建属于自己的新的镜像，然后生成一个实例，即可
docker build -t some-content-nginx
docker run --name some-nginx -d some-content-nginx
# 如果需要指定端口：将主机的8080映射到容器的80端口
docker run --name some-nginx -d -p 8080:80 some-content-nginx
# 然后可以在浏览器中访问主机的 http://localhost:8080 或者 http://host-ip:8080
进阶操作：
您可以使用自己个性化的配置文件，使用它构建新image：
# 首先，将原有的配置文件拷贝出来
docker run --name tmp-nginx-container -d nginx
docker cp tmp-nginx-container:/etc/nginx/nginx.conf /host/path/nginx.conf
# 删除这个临时Image
docker rm -f tmp-nginx-container
# 然后在主机上编辑/host/path/nginx.conf，根据自己的需求制定即可
# 最后，使用自定义的配置文件生成新的镜像，运行，即可
docker run --name my-custom-nginx-container -v /host/path/nginx.conf:/etc/nginx/nginx.conf:ro -d nginx