Docker.md

0.0、参考资料

Docker中文文档：https://yeasy.gitbooks.io/docker_practice/

0.1、前期准备与测试程序

查看docker版本

$ docker --version

新建 docker 用户组，并将自己的账号添加进docker组，以避免权限问题：

$ sudo groupadd docker
$ sudo usermod -aG docker pascal

退出当前终端并重新登录即可生效

尝试运行镜像，测试 Docker 是否安装正确，运行后自动删除容器： ​ $ docker run --rm hello-world

1、常见命令

列出镜像

$ docker image ls
$ docker image ls ubuntu 			# 根据仓库名列出镜像
$ docker image ls ubuntu:18.04		# 指定仓库名和标签

删除镜像

$ docker image rm
$ docker image prune				# 删除虚悬镜像

镜像体积

$ docker system df

列出容器

$ docker container ls
$ docker container ls -a			# 查看全部容器，包括终止状态

清除容器

$ docker container rm  xxx			# 该容器处于终止状态
$ docker container rm -f xxx		# 该容器处于运行状态，强制清除
$ docker container prune			# 清除所有处于终止状态的容器

2、容器操作

除docker image/container ls/prune外，别的指令大多可以省略image/docker，多种写法是因为历史写法的一致性和可读性较差，后期指令的格式进行了升级

典型操作 实例化一个镜像，运行后终止，启动再进入，终止容器并删除容器

$ docker pull ubuntu:18.04
$ docker run -it  \
    ubuntu:18.04 \
    bash
# exit or Ctrl+D
$ docker start [容器]				

$ docker container ls -a 可查阅容器ID

$ docker exec -it [容器] bash
$ docker stop [容器]
$ docker rm  [容器]

获取镜像

$ docker pull 仓库名[:标签]

实例化一个镜像

$ docker run  [参数]  <镜像>
    -i 交互，让容器输入保持打开 
    -t 分配一个伪终端并绑定到容器的标准输入上
    -d 后台运行，结果不输出于宿主机，结果可用docker --rm 容器退出后删除，避免浪费空间
    logs [容器]查看

进入处于后台的容器 已终止的容器需要先启动：

$ docker start	[容器]
$ docker restart [容器]	# 终止并重启一个运行态的容器

后台运行的容器可直接进入：

$ docker attach 243c				# exit后，容器会停止
$ docker exec -it 69d1 bash	    	# exit后，容器不会停止，因此推荐使用；

终止容器

（容器外）$ docker stop [容器]		
（容器内）# exit or Ctrl+d

3、Docker数据管理

挂在主机目录：

$ nvidia-docker run -it \
    --name ron \
    -v /home/pascal/data:/root:ro \
    detectron:c2-cuda9-cudnn7 \
    bash

-v 宿主机目录：docker目录，如果目录不存在则创建
--name 不可重名

4、管理维护

导出容器

$ docker export [容器] > ubuntu.tar

导入容器

$ cat ubuntu.tar | docker import - pascal1129/ubuntu:v1.0
$ docker image ls
REPOSITORY          TAG                 IMAGE ID            CREATED              VIRTUAL SIZE
test/ubuntu         v1.0                9d37a6082e97        About a minute ago   171.3 MB

提交镜像 登陆docker账号

$ docker login

新建一个容器，后台运行

$ nvidia-docker run -dit \
    --name container_try \
    -v /home/pascal/data:/data \
    vistart/build_tensorflow:py36-cuda10.0-cudnn7-tensorrt5-devel-ubuntu18.04 \
    bash

进入容器，按需改动

$ nvidia-docker exec -it container_try bash

提交容器为镜像

$ docker commit \
    --author "pascal1129" \
    --message "test" \
    container_try \
    pascal1129/dl:conda_py36-cuda10.0-cudnn7-ubuntu18.04

查看历史记录

$ docker history pascal1129/dl:conda_py36-cuda10.0-cudnn7-ubuntu18.04

推送镜像到云端

$ docker push pascal1129/dl:conda_py36-cuda10.0-cudnn7-ubuntu18.04

保存别人的：

$ docker tag someone/xxx:xxx pascal1129/xxx:xxx
$ docker push pascal1129/xxx:xxx

https://hub.docker.com/r/pascal1129/

其他

nvidia-docker安装:

NVIDIA/nvidia-docker: Build and run Docker containers leveraging NVIDIA GPUs