Pycharm遠程調試之Docker debug

關於連接Linux Docker

我們以前使用的是Docker Toolbox，在配置的時候pycharm也是自動填充的是關於Docker Toolbox的信息，看來是對 Docker Toolbox的支持是比較好的。

我們需要了解以下幾件事：

1、Docker是無法遠程掛載目錄的，只能掛載宿主機的目錄

2、Pycharm會在連接到"Docker宿主機"後會在宿主機中建立一個/c/User/...目錄

3、我們需要用的Pycharm的Deployment功能把我們的工程同步到/c/User..目錄中

4、我沒有試驗其它目錄下的工程，不知道會不會創建一個/d/xxx的目錄

好了，讓我們開始

一、我們準備下

1、在我們宿主機上安裝docker，現在docker 也學mysql分了ce和ee版本，安裝ce版本就行，centos上需要注意firewall，ubuntu需要15.10版本及以上。

2、安裝各種軟件

3、設置加速器

4、pull一個基本鏡像下來（docker pull ubuntu）

二、設置docker端口

Docker默認是不開啓端口的，我們需要在service文件中設置

1、修改 service文件

不同的Linux系統service的配置文件所在位置不同，我們可以通過systemctl status docker來查看

Ubuntu

Centos

我們需要修改進入.service文件中在/usr/bin/dockerd命令後加上：

-H tcp://0.0.0.0:2375 -H unix:///var/run/docker.sock

2、 systemctl daemon-reload #重載service文件

systemctl restart docker #重啓docker service

3、查看docker端口

netstat –tulnp | grep docker

好了，我們的docker程序已經監聽到了2375端口上了。

Centos要麼關防火牆，要麼添加端口進去

三、pycharm連接docker

pycharm連接docker使用的是tcp協議，不過http協議也是可以的。

當你填完後先別OK，先apply，pycharm會測試是否連接成功。centos注意防火牆

（除了api_url和name，其它的都是不需要的，這是因爲pycharm默認是docker toolbox而自動填充這些值，處女座的同學可以刪掉，反正他們不生效，注意那個share是不生效的）

PyCharm設置

用過python的人對pycharm肯定非常熟悉了，能不能在pycharm裏使用docker呢？pycharm says-yes！不過，首先你需要一個Professional edition版的pycharm。下面開始設置（英文好的看這裏）：

保證Docker integration和Python Docker兩個插件是開啓的
Professional版的pycharm默認是安裝了這兩個插件，並且是開啓的。
docker配置
在pycharm的設置->build,Execution,Deployment->Docker頁面裏，點擊‘+’號就會出現一個docker設置頁面，我們是Linux系統所以我們在Connect to Docker daemon with選項裏直接選Unix socket就可以了。如果設置成功會在下方看到Connection successful的提示，如果你跳過了安裝docker和MXnet中的第2步，這一步就會有權限不夠的錯誤提示。
如果這一步成功了，就可以在pycharm下方看到Docker tool window，這是一個用來管理鏡像，容器的可視化工具。

在這裏可以很方便的啓動，停止，添加和刪除鏡像、容器。也可以查看容器的一些參數。當然也可以使用docker的指令進行這些操作。
爲你的代碼配置鏡像裏的解釋器
其實整篇文章就只爲了這一步，只要我們的代碼能使用鏡像裏的python解釋器，那就達到了我們的目的了。添加本地解釋器大家應該都會。在Professional版的pycharm裏有個添加遠程解釋器。我們就是用這個

點擊後會出現下邊這個對話框

我們選擇Docker這個選項，此時Server和Python interpreter path已經自動填好，大家不用管它，主要是選擇你要使用的鏡像。如果你不使用GPU版的鏡像，那麼其實到了這一步就已經配置好了。
說一下我這裏爲什麼選擇tensorflow/tensorflow:latest-gpu鏡像，不是已經裝好了MXnet了嘛？說多了都是淚啊！MXnet的鏡像裏並沒有吧MXnet安裝在python的安裝包路徑下，而是在根路徑下，使用nvidia-docker run -it mxnet/python:gpu bash指令啓動時通過設置PYTHONPATH=/mxnet/python環境變量讓python可以使用，但是！當你在pycharm中啓動時，這個環境變量是沒有設置的。所以import mxnet會不成功。這個問題還是有方法解決的，就是在Edit Configuration裏添加環境變量。而且只能在這裏添加，別的地方添加不好用，反正我實驗的是不行的。

使用tensorflow的鏡像就不會有這個問題，因爲tensorflow是安裝在python的的路徑下的。所以請大家在接下來也先使用tensorflow作爲這次配置的鏡像，我們這次的目標是能在GPU上跑，所以用下面的指令下載GPU版的
docker pull tensorflow/tensorflow:latest-gpu
使用GPU運行你的代碼
到這裏有人就會發現問題，之前我們裝了docker和nvidia-docker那pycharm用的是哪一個呢？很不幸的是pycharm使用的是標準的docker。那麼這就有問題，我們不能使用GPU做運算。如何才能使用GPU呢？
實際上如果我們用的是nvidia-docker1我們可能還需要安裝docker-compose和nvidia-docker-compose，很不幸nvidia-docker-compose不能和nvidia-docker2兼容，那怎麼辦？看這裏，這個連接提供瞭解決的方法就是吧"default-runtime": "nvidia",添加到/etc/docker/daemon.json文件中
```
{
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "/usr/bin/nvidia-container-runtime",
            "runtimeArgs": [ ]
        }
    }
}
```
- 接下來是非常關鍵的一步，也是最白癡的一步,我在這裏卡了很久。
重啓docker的守護進程
重啓docker的守護進程
重啓docker的守護進程
sudo pkill -SIGHUP dockerd
由於我的電腦下班後不關機，所以只要我不主動重啓docker守護進程，這幾天就從沒有重啓過。這樣我們剛剛改的daemon.json文件是不會生效的。所以一直不能使用GPU運算。