安装docker和jupyter采坑历程

背景：发现自己电脑配置不够，在进行模型参数调优时基本进行不下去了。计划使用云服务器，由于自己只是用来跑模型。所以按需计费最为合适。考虑到每次使用都需要部署开发环境，索性用docker实现。这样每次部署可以省去很多软件安装和部署工作。留下过程和采坑经历。供大家借鉴。

个人系统：ubuntu16.04

1，安装系统默认版本docker

输入Y，安装好后

输入：docker --version，检查是否安装成功。

2，尝试安装最新版本docker

了解到ubuntu16.04自带的docker源中的docker不是最新版的，

需要通过添加源的方式来安装最新版本的docker

#添加ubuntu apt 的https访问能力

$ sudo apt-get install apt-transport-https

#将Docker官方资料库的访问Key添加到你本地系统

$ sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-keys 36A1D7869245C8950F966E92D8576A8BA88D21E9

#将docker 资料库地址添加到apt源列表

$ sudo bash -c "echo deb https://get.docker.io/ubuntu docker main > /etc/apt/sources.list.d/docker.list"

#安装

$ sudo apt-get update

$ sudo apt-get install lxc-docker

我采用的是：# apt-get -u -y upgrade lxc-docker    安全升级 的方式升级旧版的。

3，新版docker安装后使用

悲剧，发现无法下拉镜像。目测docker安装有问题，

注意上面2截图。百度了cann't connect to the docker daemon ******

4，新版无法使用网上解决方案

a,

需要让你的用户和docker同属于一个组（docker所在的组名一般为docker），可以用 usermod 命令添加到docker组

sudo usermod -aG docker rjf611

然后登出用户 ctrl+d

重新登陆

再运行一下 docker version

依然搞不定，怎么办？虽然喜欢使用较新版本，但是如坑太多，还是用稳稳的版本吧，自己并不打算深入研究docker，时间有限，不折腾了，卸载旧版，安装系统默认的版本。

sudo apt-get autoremove lxc-docker

sudo apt install docker.io

5，使用系统默认版本docker，pull镜像过慢的问题（使用阿里云提供的加速服务）

打开阿里云docker镜像仓库，然后用自己的阿里账号登录，找到“加速器”，会有给自己的专属加速器。再用页面的提示开启加速即可！地址教程：https://cr.console.aliyun.com/#/accelerator，具体如下：

针对Docker客户端版本大于1.10的用户

您可以通过修改daemon配置文件/etc/docker/daemon.json来使用加速器：

sudo mkdir -p /etc/docker

sudo tee /etc/docker/daemon.json <<-'EOF'

{

  "registry-mirrors": ["你的专属加速地址"]

}

EOF

sudo systemctl daemon-reload

sudo systemctl restart docker

#####上面这一段代码都是阿里云自动生成的，你只需要copy到自己终端中执行就ok了，阿里云 so 贴心#####

6，下载安装好jupyter和常用套件的docker镜像

docker pull dataquestio/python2-starter（如果习惯使用python3则将左侧python2换成python3即可）

有点大，1.9G，可根据下载速度预估需要时间。

7，启动

完整的运行命令是类似这样的：

docker run -d -p 8888:8888 -v /home/vik/notebooks:/home/ds/notebooks dataquestio/python3-starter

你应该将/home/vik/notebooks更改为你用于存储文件的地址。另外，应该把dataquestio/python2-starter更改为自己喜欢的docker镜像。

执行docker run命令将会创建一个Docker容器。这是与你的本地机器相隔绝的，也可以把它看作是一台单独的电脑。在容器内部，会运行一个Jupyter notebook服务器，并可以让我们使用许多数据科学工具包。

另外，docker run命令也会在终端打印出容器的编码container id ，在通过其他docker容器对该容器进行修改时，就必须要使用这个编码。

参考文章

https://segmentfault.com/a/1190000007448177

http://www.linuxidc.com/Linux/2015-02/113784.htm

http://blog.csdn.net/lincyang/article/details/44156895

http://geek.csdn.net/news/detail/51199

http://www.leesven.com/2338.html

https://linux.cn/article-6644-1.html

https://www.cnblogs.com/xhyan/p/6593075.html

http://blog.csdn.net/xiangxianghehe/article/details/70666955