Docker 使用入门简单教程

任务驱动：由于参加挑战赛，官方要求使用Docker封装项目，所以不得不学怎么用。

Docker 通关实录：

by Gunhild & ccchennnn

0.一些基础知识与我的理解

镜像是处于静止状态的docker文件，
容器是处于启动状态的docker文件。
我们制作好镜像后，通过docker启动它变为容器，如果我们需要，我们完全可以从一个镜像启动多个容器。

我觉得docker和虚拟机的原理很像，它们都可以避免影响或被影响本机的情况下自行运行。不会受到本机软件环境的影响，只会受到本机硬件的约束。
以上是我浅显的理解，如果大家有什么更正确的看法欢迎在评论区评论。

1.首先是安装Docker

这是Docker官网：link

各个平台的用户都已经可以在这里下载对应平台的Docker应用。安装过程就不细说了，官网上很详细。
我是Linux平台的，接下来的演示会从Ubuntu18.04版本上进行

2.安装好Docker后，检验是否安装成功

安装好软件后，要测试一下基本的功能是否正常。接下来是一些测试

2.1 首先让docker输出它的版本号：docker version

诶，这时候可能部分用户会发现出问题了

怎么我报了一个permission denied的错误。

Tips1：在命令台操作docker时，基本都需要输入sudo，否则会有permission denied的报错

好的，我们继续。这是输入sudo后的正常信息。

这说明客户端和服务端都正常运行着。

2.2 输出当前计算机下的docker镜像目录：docker images 记得加sudo

这里默认会有一个hello-world。也算是每个程序员的初次彩蛋。第一个是我自己做好的项目镜像

2.3 重要的最后一步，检查ip。输入命令:ifconfig

docker拥有自己的虚拟ip地址，注意不要和本机ip冲突了

如果冲突，可以参照这篇文章去修改docker的ip，这是这个作者的解释。

docker启动时默认会创建一个docker0网桥，它在内核层连通了其他的物理或虚拟网卡，相当于将所有容器和其主机都放到同一个网络。但是部署在内网中的IP段存在有此网段的IP时，会导致冲突，
1:使用宿主机的ip也会有是无效的。
2:只要docker启动，便会造成局域网内其它主机访问本机失效,
3:关闭docker后，本机便可访问.
————————————————
版权声明：本文为CSDN博主「mahui_1980」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/mahui_1980/article/details/115032655

3.做完前置检查工作，我们可以创建我们项目的镜像了

3.0 首先，明确我们的目标

• 创建一个图像分割项目的docker镜像文件。基于Python及Pytorch框架
• 要让这个docker镜像可以通过共享本地输入输出文件夹，得到图像的分割结果。

3.1 准备docker配置文件：Dockerfile 注意Dockerfile没有后缀名

Dockerfile是制作docker镜像的必备配置文件，创建docker的过程中，会根据这个配置导入环境
Dockerfile放在项目目录下：
这是Dockerfile里面的内容：

接下来我们逐行解读
FROM 就是在docker里建立一个基本的编程语言内核
MAINTAINER 就是创建者的个人信息，这个不会影响docker创建过程
COPY . /workspace 注意！这个COPY后有个 . 代表目录下所有文件。
执行到这里时会复制Dockerfile所在目录下所有文件到Docker的workspace路径下。如图所示

WORKDIR 这就是设置工作路径的意思。可以调用这个目录下的文件
RUN 这一行是运行安装命令，在docker里通过已经在本机上导出的requirements.txt，安装项目所需的py库
怎么在本机导出requirements？ 看这篇文章：link

3.2 制作Docker镜像

配置好Dockerfile后，我们开始建立镜像，先cd到项目目录下：

建立名为docker name的镜像：
docker build --tag [docker name] .
例：docker build --tag fzu_312ch .
注意了～这里命令的结尾有一个独立的英文句号，漏掉就会报错

这是建立镜像的过程

安装完成后，我们通过docker images查看建立好的镜像。这里我的镜像名是fzu312，注意我这里的TAG是latest
如果想要删除镜像，可以通过以下命令：

删除ID为Image ID的镜像：
docker rmi -f [Image ID]
例：docker rmi -f b23d73c135d8 加上-f是强制删除

4.使用镜像->容器

4.1 运行镜像为容器

命令如下：别忘了加上sudo

docker container run --name fzu312 /bin/bash -c "sh /workspace/predict.sh"
后面的/bin/bash -c "sh /workspace/predict.sh" 是运行镜像目录下的指定shell文件，shell文件可以写好一定的工作流程，直接执行项目。

4.2 硬件调用

由于我们跑深度学习的预测部分，需要使用gpu，这里我们要调用gpu.

调用本地GPU：--gpus "device=0"
调用所有GPU：--gpus=all

4.3 目录共享

docker是一个独立运行的封装环境，我们要想把本机中的文件放入docker，再把输出的文件从docker返回到本机中，则需要用到目录共享机制。docker的目录共享机制如下：

将本地目录挂载到镜像目录上，运行镜像：
--rm -v [本地绝对路径]:[docker绝对路径]
例：--rm -v /home/Documents/docker/input/:/workspace/input/ 挂载共享目录input

4.4 获取镜像内文件

将镜像内的文件复制到本地：
docker cp fzu:/path/filename /path/filename
例：docker cp fzu_312ch:/experiments/Unet_M1/result/ [您的本地目录]

4.5 设置镜像副本

docker tag newtag oldtag
例：docker tag take undertake

4.6 登录dockerhub及云存储

dockerhub是docker官方提供的云存储的docker镜像仓库，这样其他人就可以通过dockerhub下载你的docker镜像文件

登陆docker：需要在dockerhub上拥有账户,这是dockerhub的连接 link
docker login
然后会提示登录输入信息

上传docker镜像

将指定文件上传到docker hub：
docker push HUB_ID/[image name]:latest
例：docker push FFF123/fff:latest 上传指定文件
注意：上传到hub云端，要给镜像名加个hub用户名的前缀，比如张三/小狗
上传中容易遇到408网络超时错误，这时可以通过多试几次或者建立到腾讯的镜像源：百度

4.7 安装包导出

当你觉得云端存储不适合你，你也可以导出镜像文件为一个压缩文件形式供他人使用。

文件导出:
docker save > [image_name].tar.gz [image_name]:latest 其中 > 也可以换为 -o
例如：docker save > fff.tar.gz fff:latest
文件导入:
docker load < [image_name].tar.gz 其中 < 也可以换为 -o
例如：docker load < fff.tar.gz

5.常见报错

5.1 调用GPU时，报错：

docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].
这个问题可以通过安装nvidia-container-toolkit来解决

• 1写一个shell文件，如nvidia.sh，写入下面内容：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey |
sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list |
sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update

• 2运行nvidia.sh添加nvidia-docker的源，否则第三步会报错：
  E: Unable to locate package nvidia-container-toolkit
• 3 安装nvidia-container-toolkit：
  sudo apt-get install -y nvidia-container-toolkit
• 4 重启docker即可：
  sudo systemctl restart docker

若还有其他报错，也会继续更新到这里。