Task 01 Docker基础知识(课时1)

目录
前言 基础概念 环境篇： 1.docker 安装 2.docker 基础命令学习 实践篇： 1.创建镜像仓库账号 2.实践docker 练习赛 3.docker 使用gpu 技巧&提高： 4.天池竞赛TCC规范 5常用基础镜像 docker &大赛 天池大赛下限制条件/注意事项/常见问题集

前言
随着云原生、AI等技术的向前推进，容器技术逐渐成为每位算法同学的必备技能之一。 本文档主要面向算法开发同学，从0基础实现将代码打包docker镜像-调试-提交仓库-提交云服务训练模型/天池大赛提交/学校服务器训练 等流程。也同样适用于初次接触docker的同学。 区别于开发同学，对于算法同学而言 仅需要掌握一部分基础命令达到自己的使用目的即可。因此此次简明教程面向算法同学和AI竞赛参赛者，帮助大家快速上手大赛提交和远程服务器训练。

名词解释：TCC* TCC（天池竞赛计算平台-TianChi Computing），天池大赛docker提交模型评估的平台简称。

基础概念
docker作为虚拟机领域成熟的轻量化容器产品，可以轻松的将代码和所依赖的整个环境（可以理解为包含整个操作系统）都打包在一起，不依赖于软件环境，方便把自己的代码从windows电脑分享到mac电脑运行、或者服务器上运行等。

docker三要素：镜像（image）、容器（contarin）、registry(包含多个仓库) 镜像：顾名思义就是咱们将要把代码和环境打包在一起的这个产物，就是镜像。 registry：那么镜像存储在哪里呢 所以就有了registry，是各云厂商提供的镜像存取服务，类似网盘，将镜像存储在云端仓库，方便我们随时随地在不同的介质上运行自己的代码或分享代码。比如你要把本地开发好的代码放在服务器上做耗时的训练动作，那么只需要在服务器上直接拉取自己云端的镜像运行即可。当然除了存储以外还有诸如版本管理等服务功能，类似git. 容器：运行起来的镜像我们称之为容器，可以理解为运行环境或者实例。其实质是进程，随着代码运行结束，进程结束容器也就消失了。

环境篇
docker 安装
这里主要介绍 linux 、Windows 10 和 macOS 上的安装。

linux
$ sudo curl -sS https://get.docker.com/ | sh
测试

$ docker run hello-world
Unable to find image ‘hello-world:latest’ locally
latest: Pulling from library/hello-world
d1725b59e92d: Pull complete
Digest: sha256:0add3ace90ecb4adbf7777e9aacf18357296e799f81cabc9fde470971e499788
Status: Downloaded newer image for hello-world:latest
Hello from Docker!
This message shows that your installation appears to be working correctly.
To generate this message, Docker took the following steps:

1. The Docker client contacted the Docker daemon.
2. The Docker daemon pulled the “hello-world” image from the Docker Hub.
   (amd64)
3. The Docker daemon created a new container from that image which runs the
   executable that produces the output you are currently reading.
4. The Docker daemon streamed that output to the Docker client, which sent it
   to your terminal.
   To try something more ambitious, you can run an Ubuntu container with:
   $ docker run -it ubuntu bash
   Share images, automate workflows, and more with a free Docker ID:
   https://hub.docker.com/
   For more examples and ideas, visit:
   https://docs.docker.com/get-started/
   *如果机器有支持深度学习的Gpu，可以继续执行如下命令以支持容器对gpu的调用[目前仅支持linux]：

Add the package repositories

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
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 && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker
windows
手动下载安装 点击以下链接下载 Stable (opens new window)或 Edge (opens new window)版本的 Docker Desktop for Windows。 下载好之后双击 Docker Desktop Installer.exe 开始安装。 使用 winget (opens new window)安装

stable

$ winget install Docker.DockerDesktop

edge

$ winget install Docker.DockerDesktopEdge
运行 在 Windows 搜索栏输入 Docker 点击 Docker Desktop 开始运行。 Docker 启动之后会在 Windows 任务栏出现鲸鱼图标。 等待片刻，点击 Got it 开始使用 Docker。

macos
如果你已经安装了 Homebrew ，使用brew 安装非常方便 Homebrew (opens new window)的 Cask (opens new window)已经支持 Docker Desktop for Mac，因此可以很方便的使用 Homebrew Cask 来进行安装：

$ brew cask install docker
没有安装brew也可以手动下载安装 点击下载 Stable (opens new window)或 Edge (opens new window)版本的 Docker Desktop for Mac。 如同 macOS 其它软件一样，安装也非常简单，双击下载的 .dmg 文件，然后将那只叫 Moby (opens new window)的鲸鱼图标拖拽到 Application 文件夹即可（其间需要输入用户密码）。 运行 从应用中找到 Docker 并点击运行。 运行之后，会在右上角菜单栏看到多了一个鲸鱼图标，这个图标表明了 Docker 的运行状态。 image.png 第一次点击图标，可能会看到这个安装成功的界面，点击 “Got it!” 可以关闭这个窗口。 以后每次点击鲸鱼图标会弹出操作菜单。 启动终端后，通过命令可以检查安装后的 Docker 版本。

$ docker --version
Docker version 19.03.8, build afacb8b
$ docker-compose --version
docker-compose version 1.25.5, build 8a1c60f6
测试

$ docker run hello-world

Unable to find image ‘hello-world:latest’ locally
latest: Pulling from library/hello-world
d1725b59e92d: Pull complete
Digest: sha256:0add3ace90ecb4adbf7777e9aacf18357296e799f81cabc9fde470971e499788
Status: Downloaded newer image for hello-world:latest

Hello from Docker!
This message shows that your installation appears to be working correctly.

To generate this message, Docker took the following steps:

1. The Docker client contacted the Docker daemon.
2. The Docker daemon pulled the “hello-world” image from the Docker Hub.
   (amd64)
3. The Docker daemon created a new container from that image which runs the
   executable that produces the output you are currently reading.
4. The Docker daemon streamed that output to the Docker client, which sent it
   to your terminal.

To try something more ambitious, you can run an Ubuntu container with:
$ docker run -it ubuntu bash

Share images, automate workflows, and more with a free Docker ID:
https://hub.docker.com/

For more examples and ideas, visit:
https://docs.docker.com/get-started/
docker 基础命令学习
3.1 拉取镜像
docker pull [选项] [docker镜像地址:标签]
如：

docker pull hello-world:latest
3.2 运行镜像
$ docker run hello-world:latest

Hello from Docker!
This message shows that your installation appears to be working correctly.

To generate this message, Docker took the following steps:

1. The Docker client contacted the Docker daemon.
2. The Docker daemon pulled the “hello-world” image from the Docker Hub.
   (amd64)
3. The Docker daemon created a new container from that image which runs the
   executable that produces the output you are currently reading.
4. The Docker daemon streamed that output to the Docker client, which sent it
   to your terminal.

To try something more ambitious, you can run an Ubuntu container with:
$ docker run -it ubuntu bash

Share images, automate workflows, and more with a free Docker ID:
https://hub.docker.com/

For more examples and ideas, visit:
https://docs.docker.com/get-started/

3.3 运行镜像并进入容器
$ docker run -it --rm ubuntu:18.04 bash
root@e7009c6ce357:/# uname -a
Linux bff9f261bab2 4.15.0-106-generic #107-Ubuntu SMP Thu Jun 4 11:27:52 UTC 2020 x86_64 x86_64 x86_64 GNU/Linux
root@e7009c6ce357:/# exit
docker run 就是运行容器的命令,后面如果只跟镜像，那么就执行镜像的默认命令然后退出。

-it：这是两个参数，一个是 -i：交互式操作，一个是 -t 终端。我们这里打算进入 bash 执行一些命令并查看返回结果，因此我们需要交互式终端。
–rm：这个参数是说容器退出后随之将其删除。默认情况下，为了排障需求，退出的容器并不会立即删除，除非手动 docker rm。我们这里只是随便执行个命令，看看结果，不需要排障和保留结果，因此使用 --rm 可以避免浪费空间。
ubuntu:18.04：这是指用 ubuntu:18.04 镜像为基础来启动容器。
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 bash。
进入容器后，我们可以在 Shell 下操作，执行任何所需的命令。通过exit 退出。

3.4 查看本地镜像（list 镜像）
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
redis latest 5f515359c7f8 5 days ago 183 MB
nginx latest 05a60462f8ba 5 days ago 181 MB
IMAGE ID 是镜像的唯一标识。

3.5 查看运行中的容器
$ docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
9363b1b51118 testlog:1 “bash” 7 weeks ago Up 7 weeks vigilant_bhaskara
CONTAINER ID 容器唯一id 可以通过指定这个ID操作exec shell进入容器、commit 这个容器的修改、tag 给这个容器打标签等 docker ps 罗列的是当前活跃的容器 要查看所有容器执行docker ps -a

$ docker ps -a
3.6 进入运行中/后台运行的容器
$ docker exec -it [CONTAINER ID] /bin/bash
进入运行中的容器后不仅可以调试镜像，还可以对镜像做修改如安装python包，如果想对修改做保留，可以执行3.7提交

3.7 保存修改
docker commit [CONTAINER ID] registry.cn-shanghai.aliyuncs.com/test/pytorch:myversion
注意：通过commint的形式保存现场为一个新的镜像虽然也能直观的达到构建新镜像的目的，但是实际操作中，并不推荐这种形式，因为1.commit操作不仅会把有用的修改保存下来，对一些无关的修改也会保存下来（每一个命令行操作都会生成存储如ls操作）就会导致镜像比较臃肿；2.因为commit操作属于黑箱操作，后续如果有什么问题维护起来会比较麻烦。 建议commit仅作为保留现场的手段，然后通过修改dockerfile构建镜像。

3.8 打TAG
有时需要对临时版本，或者节点版本做一个标记保留，打TAG标签非常好用，并不会额外占用空间

docker tag registry.cn-shanghai.aliyuncs.com/test/pytorch:myversion my_tmp_version:0.1
3.9 推送镜像到仓库
docker push registry.cn-shanghai.aliyuncs.com/test/pytorch:myversion
4.0 使用dockerfile构建镜像
Dockerfile示例(注意一般文件名命名为Dockerfile 无后缀名，如果命名为其他名字，构建时需要额外指定文件名)

Base Images

从天池基础镜像构建(from的base img 根据自己的需要更换，建议使用天池open list镜像链接：https://tianchi.aliyun.com/forum/postDetail?postId=67720)

FROM registry.cn-shanghai.aliyuncs.com/tcc-public/python:3
##安装依赖包
RUN pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
##或者从requirements.txt安装
##RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

把当前文件夹里的文件构建到镜像的根目录下,并设置为默认工作目录

ADD . /
WORKDIR /

镜像启动后统一执行 sh run.sh

CMD [“sh”, “run.sh”]
4.1 构建镜像
docker build -t registry.cn-shanghai.aliyuncs.com/target:test .
如要指定dockerfile :

docker build -f ./dockerfile -t registry.cn-shanghai.aliyuncs.com/target:test .
4.2 删除镜像/容器
删除镜像：

docker rmi registry.cn-shanghai.aliyuncs.com/target:test
删除容器：

docker rm [CONTAINER ID]
如果容器还在运行，则会删除失败，应先结束掉容器：

docker kill [CONTAINER ID]
查看运行中的容器：

docker ps
查看所有容器：

docker ps -a
4.3 常规技巧
a.检查基础镜像软件源和pip源是否替换为国内源，如果非国内源后续每次构建镜像会比较浪费时间。 b.必备软件包可直接安装于基础镜像内，以减少每次构建镜像时都要安装一遍的等待时间。 c.镜像面临调试问题时，可交互式进入容器后直接调试修改，直到成功后退出再在dockerfile中修改。 d.养成使用Dockerfile的习惯，不要依赖于commit e.每次镜像修改都给定新的版本号或标签，方便区分版本管理，有意义的版本最好使用有含义的字符作为版本号，如：frist_submit

4.4 深度学习常用镜像集合（包含国内源和海外源）
https://tianchi.aliyun.com/forum/postDetail?postId=67720

4.5 海外选手网速受限提交方案
a.使用github等代码托管（推荐code.aliyun.com） b.在cr（阿里云容器服务）产品做代码源绑定，并开启自动构建 image.png 3.构建完成设置hook自动提交（警惕次数消耗），或者谨慎起见构建完成后手动提交。 触发器设置方法：https://help.aliyun.com/document_detail/60949.html?spm=5176.8351553.0.dexternal.7f231991sUvASL

实践篇
1.创建镜像仓库账号
这里以申请阿里云容器镜像服务（免费），并创建仓库为例，其他仓库如dockerhub、谷歌、亚马逊、腾讯等详见对应产品说明书。 打开阿里云容器服务地址为（https://cr.console.aliyun.com） 注册开通后产品页面如下 第一步切换标签页到命名空间，创建地址唯一的命名空间 根据大赛要求选择对应的地域，其他的按照自己需求选择或填写 下一步，选择本地仓库，不建议其他选项，完成创建。 点击管理，可查看详情。 详情页如下，有基本的操作命令，仓库地址一般使用公网地址即可。 按照页面的指令在本地完成登陆:

export DOCKER_REGISTRY= your_registry_url
(注意这里your_registry_url最后字段结尾，不能多不能少E.g registry.cn-shanghai.aliyuncs.com/xxxx/xxxx)
docker login $DOCKER_REGISTRY
–username your_username
–password your_password
2.实践docker 练习赛（天池）
2.1 练习赛链接&资料
gpu版本练习赛链接 【推荐】 cpu版本练习赛链接 从0开始大赛docker提交视频演示

2.2 GPU版docker练习赛实践
这里以GPU版docker 练习赛中的练习一为例来构建镜像并提交： 首先我们写一个main.py，实现读取/tcdata下的数据，计算a*b 生成result.npy文件

#main.py
import os
import numpy as np
import torch

device = torch.device(“cuda”)

data_dir = ‘/tcdata’
a = np.load(os.path(data_dir,a.npy))
b = np.load(os.path(data_dir,b.npy))

a = torch.from_numpy(a).to(device)
b = torch.from_numpy(b).to(device)
c = torch.matmul(a,b).cpu()

print©
np.save(“result.npy”, c)

编写入口文件run.sh

#bin/bash
#打印GPU信息
nvidia-smi
#执行math.py
python3 math.py
然后编写Dockerfile 用于打包main.py和运行环境为镜像

Base Images

从天池基础镜像构建(from的base img 根据自己的需要更换，建议使用天池open list镜像链接：https://tianchi.aliyun.com/forum/postDetail?postId=67720)

FROM registry.cn-shanghai.aliyuncs.com/tcc-public/pytorch:1.1.0-cuda10.0-py3
##安装python依赖包
RUN pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

把当前文件夹里的文件构建到镜像的根目录下,并设置为默认工作目录

ADD . /
WORKDIR /

镜像启动后统一执行 sh run.sh

CMD [“sh”, “run.sh”]
命令行执行，构建镜像： tips: 镜像命名根据自己申请的仓库registry来，可以省去tag步骤直接上传，保持本地镜像清洁。

$ docker build -t registry.cn-shanghai.aliyuncs.com/xxxx/test:0.1 .
上传镜像仓库

$ docker push registry.cn-shanghai.aliyuncs.com/xxxx/test:0.1
天池页面提交 image.png 正在运行的状态running,其他状态对应展开也可以看到详情，如错误状态展开可看到大致reason. image.png 运行结束或者运行失败都会有邮件通知到提交人留在天池的邮箱里，收到提示即可回到大赛页面查看成绩及日志

3.docker 在本地使用gpu
docker在新的版本中均已支持直接调用gpu，通过–gpu 指定使用哪个gpu, --gpu all 则是使用所有gpu 前提：请确保已按照前文环境篇linux末尾安装了Nvidia对docker的软件支持。

docker run --gpu all registry.cn-shanghai.aliyuncs.com/xxxx/test:0.1
调试:

docker run -it --gpu all registry.cn-shanghai.aliyuncs.com/xxxx/test:0.1 /bin/bash

nvidia-smi

Thu Jan 7 19:04:55 2021
±----------------------------------------------------------------------------+
| NVIDIA-SMI 418.87.01 Driver Version: 418.87.01 CUDA Version: 10.1 |
|-------------------------------±---------------------±---------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|=++==============|
| 0 Tesla P100-PCIE… On | 00000000:00:08.0 Off | 0 |
| N/A 29C P0 24W / 250W | 0MiB / 16280MiB | 0% Default |
±------------------------------±---------------------±---------------------+
| 1 Tesla P100-PCIE… On | 00000000:00:09.0 Off | 0 |
| N/A 31C P0 26W / 250W | 0MiB / 16280MiB | 0% Default |
±------------------------------±---------------------±---------------------+

±----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
±----------------------------------------------------------------------------+