Docker封装镜像&挂载本地目录过程记录（已完成）-2023.12.27

最新推荐文章于 2024-06-24 00:45:00 发布

TOM Bro

最新推荐文章于 2024-06-24 00:45:00 发布

阅读量982

点赞数 21

文章标签： docker eureka 容器

本文链接：https://blog.csdn.net/qq_37958727/article/details/135250436

版权

1.过程背景

工作需要进行相关代码封装以便于移植到不同设备。Docker无疑是个很好的工具。

Docker是一个开源的容器化技术，提供了一种轻量级、高效且可移植的解决方案，用于打包、部署和运行应用程序。Docker的核心概念主要有三个：Docker镜像、Docker容器和Docker仓库。
Docker镜像：是应用程序运行的基础模板，它包含了一切运行应用程序所需的文件和配置。Docker镜像是一个只读模板，可以创建出一个Docker容器。
Docker容器：是实际运行应用程序的实例，它基于Docker镜像创建，包含了运行应用程序所需的所有环境和配置。每个容器都是相互隔离的，互不影响。
Docker仓库：是存储和管理Docker镜像的地方，可以将其视为一个代码仓库。私有仓库需要认证，而公开仓库则任何人都可以使用。

2.环境准备

Docker本身包含两个重要概念：容器和镜像，其关系相当于函数和类。那么其实Docker整体过程相当于：基于一个初始的类（镜像）中创建函数（容器）→配置函数内容，包括参数和引用其他的函数（运行环境）→将该函数（容器）重新编写成类（封装成另外的镜像）→在新创建的类（镜像）下建立不同函数并编写程序运行

从以上过程上来看比较麻烦，又要一个基础的镜像，又要从容器重新封装成镜像。就笔者理解，原因大概有两个，一是docker本质上还是类似于虚拟机，需要一个基础的运行环境，也是本身机制所限。二是基础镜像中有一些基础的cdk之类的不用重新构建，而且已经封装好的镜像不受容器影响，所以只能从镜像构建容器，配置环境后重新封装成镜像。

这样做最大好处在于，由配置好的容器封装成的镜像，包含了目标运行代码的所有条件，如果到不同设备上只用：移植镜像→构造容器→填入代码运行。

本次尝试采取的基础镜像是从Docker商店pull下来的最新的ubuntu的镜像（Docker商店相当于Windows商店一样，提供了一下作者发布的自己封装的镜像）

具体指令为：

docker pull ubuntu

其中注意的是，笔者亲测ubuntu18.04版本相对配置麻烦，不建议作为基础镜像。

通过如下指令可以看到下载的镜像：

docker images -a

3.配置过程

（1）配置过程按照第2部分介绍顺序即可，首先依据基础镜像进行容器建立：

docker run --name xxx -it /path/to/one:/path/to/two ubuntu:latest /bin/bash

docker run：创建容器的命令，与之相关的参数可以自行查询参数。

--name：容器命名

-it：i 交互模式，t 重新分配伪终端入口。

/path/to/one:/path/to/two ubuntu：地址映射one映射到two，在这里做映射有两点作用，一是将要运行的本地或者云端代码（需要加端口和域名）映射到容器内，封装时不占用镜像实际大小。二是在容器1这里先映射了，避免封装到另外的镜像后重新建立容器2运行代码报错，又得到容器1增加配置，再走封装流程。这里建立容器1并映射后，配置环境，运行调通再封装镜像。

ubuntu:latest：依赖的镜像名称，镜像名:tag，这里tag是latest，pull时候默认分配，pull时候自己可以设置，封装时也需要注意选取。或者时用固定分配ID如图中174c8c..........来代替ubuntu:latest。

/bin/bash：载入容器后运行bash。

创建以后可以采取一下命令查看列表是否有上述name来确定是否创建成功：

docker ps -a

（2）接下来就是进行容器环境的配置，其中有不少的小坑，这里建议按照笔者的顺序运行。

apt-get update

apt-get install sudo

apt-get python3

apt-get python3-pip

这里笔者配置的是ultralytics相关环境，如果这里依赖的镜像是ubuntu18.04如果单独apt-get pip将会提示搜索不到pip，但是如果用pull最新的ubuntu可以用apt-get pip检索到python3-pip。

pip install --upgrade pip

更新pip到最新版本，这里以及之后用root下进行pip会报黄色警报

WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv

这里参考一些文章，采用python的环境管理工具python3-venv，建立python下环境好一些：

apt-get install python3-venv

sudo python3 -m venv xxxx

source xxxx/bin/activate

pip install ultralytics

等待安装完成即可。

（3）运行代码

python xxx.py

这里存在一个问题就是opecv相关，在docker容器内运行可能会报一个opecv的错误：

ImportError: libGL.so.1: cannot open shared object file: No such file or directory

这里笔者搜索过相关文章，主要解决方法是安装opencv-python-headless库：

pip install opencv-python-headless

这里还需要注意的是：

以挂载形式呈现的源码在docker容器运行，涉及加载图像路径的时候需要以实际docker的路径为基准，例如笔者采取以下挂载：

/home/xxx/ultralytics:/ultralytics

将home下xxx文件夹中的ultralytics挂载到了docker容器中ultralytics文件夹，此时笔者源码读图像的路径是/home/xxx/ultralytics/datasets/food/test/。如果在docker容器内直接运行源码此时就会报错，因为现在实际的图像路径为：

/home/ultralytics/datasets/food/test/

所以最好的方式是在确定最后进行docker封装时，编写相关路径直接以运行脚本为基准的相对路径编写，比如笔者要运行/home/xxx/ultralytics/xxx.py，那么读取图像的路径可以直接编写为./datasets/food/test/即可。

这里还需要注意的是：

由于是挂载到docker容器内，所以在docker容器内运行其实等同于在原路径运行，保存也是实际保存在原路径下。

（4）镜像封装

镜像封装主要采用以下的命令：

docker commit -a "作者名" -o "备注信息" xxx xxx1:xxx2

xxx-此处填写的是创建容器时填写的名称。

xxx1:xxx2-此处xxx1填写的是欲创建的镜像名称，xxx2填写的是该镜像tag(类似于昵称，标记)。

（5）镜像保存

docker save -o /path/to/save/xxx.tar/zip/... xxx1:xxx2

-o:--output，表示输出到文件。