【软件工具使用】docker快速入门指南

文章目录

• 一些网站
• Docker 备忘
• Docker 安装
• Docker 基本命令使用
• • 1，创建并启动容器
  • 2，列出容器
  • 3，退出容器
  • 4，进入容器
  • 5，启动容器
  • 6，重启容器
  • 7，停止容器
  • 8，删除容器
• Docker 镜像使用
• • 1，列出镜像
  • 2，获取镜像
  • 3，查找镜像
  • 4，删除镜像
• docker 存储位置更改
• • windows
  • Linux
• 参考

一些网站

• Docker 命令查询网站：https://docs.docker.com/engine/reference/commandline/run/

• Docker 镜像下载网站：https://hub.docker.com/

• 阿里云的镜像容器服务：镜像加速 https://cr.console.aliyun.com/cn-hangzhou/instances/mirrors

参考：https://www.runoob.com/docker/docker-mirror-acceleration.html

Docker 备忘

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://6qtgv43f.mirror.aliyuncs.com"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

 sudo docker run  -it  --name train_mnist 
 -v /etc/timezone:/etc/timezone 
 -v /etc/localtime:/etc/localtime 
 -v /home/clay/WorkSpace/_share:/home/workspace/_share  
 --gpus all nvidia/cuda:11.1-base

#1 Miniconda安装，安装路径：/home/workspace/miniconda3
cd /home/workspace/_share
./Miniconda3-latest-Linux-x86_64.sh

#2 重启docker
exit
sudo docker ps -a //查看docker ID前两位，此处假如是dd
sudo docker start dd && sudo docker attach dd

# 3 换源
cd /home/workspace/_share
python oh-my-tuna.py

好像docker中只能换conda的源，所以需要手动换ubuntu的源，详细参考：https://blog.csdn.net/ReCclay/article/details/124807818

如果pip conda的源也未替换成功，可以参考这篇文章替换：https://blog.csdn.net/ReCclay/article/details/114027851

#4 更新
apt update 

update 错误记录：（开放了GPU的错误）

(base) root@ddd3e6a8a30e:/home/workspace/_share# apt update
Hit:3 http://security.ubuntu.com/ubuntu focal-security InRelease                                                                                
Hit:4 http://archive.ubuntu.com/ubuntu focal InRelease                                                                                          
Ign:2 https://developer.download.nvidia.cn/compute/machine-learning/repos/ubuntu2004/x86_64  InRelease
Get:1 https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64  InRelease [1581 B]
Err:1 https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64  InRelease
  The following signatures couldn't be verified because the public key is not available: NO_PUBKEY A4B469963BF863CC
Hit:5 https://developer.download.nvidia.cn/compute/machine-learning/repos/ubuntu2004/x86_64  Release
Hit:7 http://archive.ubuntu.com/ubuntu focal-updates InRelease
Hit:8 http://archive.ubuntu.com/ubuntu focal-backports InRelease
Reading package lists... Done
W: GPG error: https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64  InRelease: The following signatures couldn't be verified because the public key is not available: NO_PUBKEY A4B469963BF863CC
E: The repository 'https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64  InRelease' is not signed.
N: Updating from such a repository can't be done securely, and is therefore disabled by default.
N: See apt-secure(8) manpage for repository creation and user configuration details.

#5 安装基础编译环境
apt install build-essential

---

Docker 安装

Docker 的旧版本被称为 docker，docker.io 或 docker-engine。当前称为 Docker Engine-Community 软件包 docker-ce 。安装教程参考：

• 【清华源】Docker Community Edition 镜像使用帮助
• 【菜鸟教程】https://www.runoob.com/docker/ubuntu-docker-install.html

Docker也是虚拟化环境的神器，前面说的conda虽然可以提供python的虚拟环境并方便地切换，但是有的时候我们的开发环境并不只是用到python，比如有的native库需要对应gcc版本的编译环境，或者进行交叉编译时哟啊安装很多工具链等等。如果这些操作都在服务器本地上进行，那时间久了就会让服务器的文件系统非常杂乱，而且还会遇到各种软件版本冲突问题。

Docker就可以很好地解决这些问题，它其实可以理解为就是一个非常轻量化的虚拟机，我们可以在宿主服务器上新建很多个这种被称为容器的虚拟机，然后在里面配置我们的开发环境，且这些配置好的环境是可以打包成镜像的，方便随时做分享和重用；不需要的时候，我们直接删除容器就好了，其资源是和我们的服务器宿主机完全隔离的。

Docker的具体使用可以自己搜索一下很多教程，这里主要介绍如何把GPU暴露给Docker的容器（因为大家都知道像是VMware这种虚拟机里面都是无法共享宿主机的GPU的），是通过nvidia-docker实现的。

以前为了配置nvidia-docker，需要安装完docker之后再安装单独的nvidia docker2，而现在只需要安装nvidia container toolkit即可，更加方便了。

1. docker安装 官网上有详细的介绍：Install Docker Engine on Ubuntudocs.docker.com 或者运行下面的命令安装：

sudo apt-get update
sudo apt-get install docker.io
systemctl start docker
systemctl enable docker

可以运行这条命令检查是否安装成功：

docker version

2. 安装NVIDIA Container Toolkit

官网安装步骤：NVIDIA/nvidia-docker: Build and run Docker containers leveraging NVIDIA GPUs (github.com) 或者直接运行下面的命令：

 ##首先要确保已经安装了nvidia driver
 
 # 2. 添加源
 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
 ​
 # 2. 安装并重启
 sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
 sudo systemctl restart docker

安装完成后可以新建一个容器测试一下：

sudo docker run -it --name test_nvidia_docker --gpus all nvidia/cuda:11.1-base 

其中最后的参数nvidia/cuda:11.1-base 是Nvidia官方的镜像，需要根据工作站主机中实际安装的cuda版本进行修改，版本可以用nvcc -V查看。

进入容器之后可以跑一下nvidia-smi命令看看：

现在可以在docker里面正常使用GPU啦~

Docker 基本命令使用

1，创建并启动容器

启动普通容器： docker run --name 别名 镜像ID（取ID前两个数就行）

启动交互式容器：docker run -it --name 别名 镜像ID 来运行一个容器，取别名，交互模式运行，以及分配一个伪终端

–name=“容器新名字”：为容器指定一个名称；

-i：以交互模式运行容器，通常与-t或者-d同时使用；(-d:后台运行容器）

-t：为容器重新分配一个伪输入终端，通常与-i同时使用；

从容器中出来：exit

2，列出容器

命令：docker ps [OPTIONS]

OPTIONS说明：

-a :显示所有的容器，包括未运行的。

-f :根据条件过滤显示的内容。

–format :指定返回值的模板文件。

-l :显示最近创建的容器。

-n :列出最近创建的n个容器。

–no-trunc :不截断输出。

-q :静默模式，只显示容器编号。

-s :显示总的文件大小。

我们这里先启动之前的容器，再来列出正在运行的容器：

docker ps 查看正在运行的容器

docker ps -a 查看所有容器

docker ps -n 2 显示最近创建的2个容器

docker ps -f status=exited 查看停止的容器

docker ps -a查看所有容器：

docker ps -n 2显示最近创建的2个容器：

docker ps -f status=exited 查看停止的容器

3，退出容器

exit 容器停止退出

ctrl+P+Q 容器不停止退出

我们来检验一下：

4，进入容器

比方说上面的我们已经退出容器，但是它依旧在运行，所以说我们又怎么样重新进去呢？

命令：docker attach 容器ID or 容器名

注意： attach命令，如果从这个容器退出，会导致容器的停止

除了上述命令可以进入容器，还有一个命令也可以进入容器：

docker exec

推荐使用 docker exec 命令，因为此命令会退出容器终端，但不会导致容器的停止。

5，启动容器

当容器停止了，我们也可以启动容器；

命令：docker start 容器ID or 容器名

我们再来看看容器的启动状态：

6，重启容器

命令：docker restart 容器ID or 容器名

7，停止容器

命令：docker stop 容器ID or 容器名

暴力删除，直接杀掉进程 （不推荐）

命令：docker kill 容器ID or 容器名

8，删除容器

命令： docker rm 容器ID

我们先来看看容器运行情况：

此时我们删掉mycentos1的话试试看：

如果删除正在运行的容器，会报错，我们假如需要删除的话，需要强制删除；

强制删除：docker rm -f 容器ID

Docker 镜像使用 1，列出镜像

docker images

docker images 各个参数选项说明:

• REPOSITORY：表示镜像的仓库源
• TAG：镜像的标签
• IMAGE ID：镜像ID
• CREATED：镜像创建时间
• SIZE：镜像大小

2，获取镜像

docker pull xxx:版本号

获取相应版本号的xxx镜像，版本号可选

3，查找镜像

可以从 Docker Hub 网站来搜索镜像，Docker Hub 网址为： https://hub.docker.com/

我们也可以使用 docker search 命令来搜索镜像：

docker search xxx

docker search 各个参数选项说明:

• NAME: 镜像仓库源的名称
• DESCRIPTION: 镜像的描述
• OFFICIAL: 是否 docker 官方发布
• stars: 类似 Github 里面的 star，表示点赞、喜欢的意思。
• AUTOMATED: 自动构建。

4，删除镜像

删除镜像前记得需要先删除使用该镜像的容器！

docker rmi xxx

docker 存储位置更改 windows

• 【AMBA VIP | VC_formal | VCS】EDA docker 镜像使用指南

Linux

• Ubuntu20.04修改docker镜像存储位置并进行数据迁移
• [Notes] Ubuntu下修改docker 镜像存储位置并进行数据迁移

{
  "registry-mirrors": ["https://6qtgv43f.mirror.aliyuncs.com"],
  "data-root": "/home/clay/software/docker"
}

参考

• 安装WSL ：https://docs.microsoft.com/zh-cn/windows/wsl/install

• 设置WSL：https://docs.microsoft.com/zh-cn/windows/wsl/setup/environment

• docker基本使用：

  • https://blog.csdn.net/qq_37084904/article/details/108271690
  • https://mp.weixin.qq.com/s/tvCSryBFTpCA9FtgabvuKA
  • 详细齐全！Docker常用基本命令

• docker 中cuda相关

  • 怎么在docker中使用nvidia显卡
  • 【docker-cuda】——base，runtime，devel的区别
  • 基于docker容器ubuntu16.04安装cuda10.1+cudnn7.6.4