Docker保姆级命令教程

Docker容器
1.虚拟机和容器的对比：（容器本身就是软件，依附操作系统来运行）
1.1虚拟机缺点：资源占用多，步骤多，启动慢
1.2容器优势：启动快，资源占用少，体积小
2.Docker容器
2.1Docker概念：由Google公司推出的go语言开发，对进程进行封装隔离，属于操作系统层面的虚拟化封装技术，由于隔离的进程独立于宿主和其它的隔离的进程，因此也称其为容器。
2.2框架：
2.2.1镜像：相当于一个root文件系统。
2.2.2容器：镜像和容器的关系就好比类和实例一样，镜像是静态定义的，而容器是运行时的实体（一个或多个）。容器可以被创建、启动、停止、删除和暂停。
2.2.3仓库：用来保存镜像。一个 Docker中可以包含多个仓库；每个仓库可以包含多个标签；每个标签对应一个镜像。
总结：镜像是类，容器是对象，存储类的是仓库。

3.Docker Machine是一个简化Docker安装的命令行工具，通过一个简单的命令行即可在相应的平台上安装Docker
4.Docker的用途：
（1）提供一次性的环境。比如，本地测试他人的软件、持续集成的时候提供单元测试和构建的环境。
（2）提供弹性的云服务。因为 Docker 容器可以随开随关，很适合动态扩容和缩容。
（3）组建微服务架构。通过多个容器，一台机器可以跑多个服务，因此在本机就可以模拟出微服务架构。
5.安装及Flask项目部署步骤
参考：https://blog.csdn.net/BigData_Mining/article/details/99681168https://blog.csdn.net/BigData_Mining/article/details/99681168
5.1卸载之前的旧版本
sudo apt-get remove docker docker-engine docker.io containerd runc
5.2更新apt包索引：
sudo apt-get update
5.3安装软件包以允许apt通过HTTPS使用存储库：
sudo apt-get install
apt-transport-https
ca-certificates
curl
gnupg-agent
software-properties-common
5.4安装Docker社区版
sudo apt-get install docker.io
5.4.1由于docker官网被封，会报连接网络超时的错误，需要指定网站。
sudo vim /etc/docker/daemon.json
5.4.2添加如下内容
{“registry-mirrors”: [“http://74ecfe5d.m.daocloud.io”],
“runtimes”: {
“nvidia”: {
“path”: “/usr/bin/nvidia-container-runtime”,
“runtimeArgs”: []
}
}}
5.4.3保存退出
systemctl daemon-reload
systemctl restart docker
5.5使用hello-world命令验证docker是否安装成功。
sudo docker run hello-world
注：如果本地没有hello-word镜像，docker会自动拉去
出现如下图片说明配置成功。

5.6在docker hub官网上查找自己所需要的镜像
上https://hub.docker.com/搜索，可在搜索框搜索你所需要镜像的条件。
如：输入tensorflow/serving，选择后复制如下命令。

5.7使用命令查看安装好的命令

sudo docker images
出现如下镜像列表：

5.8使用镜像创建容器，如：
docker run -it -p 8500:8500 tensorflow/serving:latest-devel
如下图说明进入了容器：

5.9进入另一个终端将项目copy到创建的容器中，例如：
sudo docker cp /home/user/zhaobing/docker/tensorflow-mnist/mnist_tfserving_model bafaaaa573b4:/
代码介绍：
左侧为项目在本机的地址
中间的为容器id。（可通过sudo docker ps -a查看容器id）
右侧（容器id后为要拷贝容器的目标地址）
5.91成功copy项目到容器后，可在容器内通过ls命令查看到项目
5.92在容器内运行要运行的文件

6.0 进入容器后找到项目，进入项目执行该执行的文件，根据报错解决错误。
6.1 将跑通的项目容器commit成镜像，命令如下：

sudo nvidia-docker commit 原容器id 新镜像名字：版本
6.3将新生成的镜像save到本地，命令如下

Sudo nvidia-docker save -0 保存的文件名.tar 原环境名：版本号
6.4 将.tar文件复制到另一个服务器，并且input到docker中，命令和显示结果如下：

6.5 sudo nvidia-docker images 查看镜像是否导入成功
6.6 run新镜像生成容器，命令如下：

6.7 sudo nvidia-docker ps 查看容器是否在运行
6.8 进入容器
6.9 找到项目，运行文件

6. Docker常用命令：
   查看所有镜像：sudo docker images
   删除镜像：sudo docker image rm 镜像id
   查看所有容器：sudo docker ps -a
   查看在运行的容器：sudo docker ps
   停止运行的容器：sudo docker kill 容器id
   删除容器：sudo docker rm 容器id
   查看docker版本：docker version
   查看dockers帮助：docker --help
   启动容器：sudo docker start id
   进入容器：docker exec -it id /bin/bash
   构建新的镜像：sudo docker commit 原容器id 新镜像名字
   进入新的镜像：sudo docker run -it -p 8500：8500 镜像名字
   将镜像下载到本地：sudo docker save -o 保存的文件名.tar 原环境名：版本号
   将.tar文件input到docker容器：sudo nvidia-docker load --input 名.tar
   Ubuntu下的容器开机自启动：nvidia-docker update –restart=always 容器ID

docker启动：
systemctl start docker
service docker start
重启docker服务：
systemctl restart docker
sudo service docker restart
关闭docker：
systemctl stop docker
service docker stop
查看是否启动成功：
docker ps -a

7. 错误记录：
   7.1
   此id为容器的id
   7.2
   无权限，命令前加sudo

7.3
ASCII错误，须在文件前加#encoding=utf-8（将文件导出，修改后再导入）
7.4

容器中的tensorflow版本和项目所需要的tensorflow版本不同，需要版本相同。
7.5

文件共享问题 sudo apt-get install -y python-qt4
7.6

若出现类似的缺少python包时，可通过pip install直接安装
7.7

进入容器运行文件时报这个错，表示已有进程存在，需要杀死

通过删除最新的内核以后，之前部署的dockers容器模型服务端调用报错：
requests.exceptions.ConnectionError: HTTPConnectionPool(host=‘192.168.0.121’, port=8008): Max retries exceeded with url: /lajijiance (Caused by NewConnectionError(‘<urllib3.connection.HTTPConnection object at 0x0000020BEDBDA128>: Failed to establish a new connection: [WinError 10061] 由于目标计算机积极拒绝，无法连接。’,))

主要原因就是删除了内核
解决方法：重新新建一个容器，

客户端调用dockers内的服务端报错：
requests.exceptions.ConnectionError: HTTPConnectionPool(host=‘192.168.0.121’, port=8001): Max retries exceeded with url: /lajijiance (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x0000020BEDBDA128>: Failed to establish a new connection: [WinError 10061]
原因：
容器可能只设置了一个port为8008，当改变容器内模型服务端的端口port为8001时，即使外面的客户端端口为8001也无法访问容器内容的服务端；
解决方法：
重新通过镜像新建一个容器
Nvidia-docker run -it -p 8008:8008 -p 8001:8001 hat/fire-py-gpu:1.1.1
通过-p增加端口号，有几个-p就有几个端口号