學習筆記：Linux下Docker的使用

目錄：

一、介紹

二、使用鏡像

三、使用容器

四、數據管理

一、介紹

Docder屬於操作系統層面的虛擬化技術。傳統虛擬機技術是虛擬出一套硬件後，在其上運行一個完整操作系統，在該系統上再運行所需應用進程；而容器內的應用進程直接運行於宿主的內核，容器內沒有自己的內核，而且也沒有進行硬件虛擬。因此容器要比傳統虛擬機更爲輕便。

1. 基本概念：鏡像（Image）、容器（Container）、倉庫（Repository）

1) 鏡像

操作系統分爲內核和用戶空間，內核啓動後會掛在root文件系統爲其提供用戶空間支持，鏡像就相當於一個root文件系統，提供了容器運行時所需的程序、庫、資源、配置等文件，以及一些爲運行時準備的配置參數（如匿名卷、環境變量、用戶等）。

鏡像被設計爲分層存儲架構，由多層文件系統聯合組成，不包含任何動態數據。鏡像構建時，會一層層構建，前一層是後一層的基礎。每一層構建完就不會再發生改變，後一層上的任何改變只發生在自己這一層。

2) 容器

鏡像是靜態的定義，容器是鏡像運行時的實體（像是類和實例一樣），容器的實質是進程，但運行與屬於自己的獨立的命名空間。

容器也使用分層存儲。每一個容器運行時，是以鏡像爲基礎層，在其上創建一個當前容器的容器存儲層。

容器不應該向其存儲層內寫入任何數據，容器存儲層要保持無狀態化。所有的文件寫入操作，都應該使用數據卷（Volume）或者綁定宿主目錄，在這些位置的讀寫會跳過容器存儲層，直接對宿主（或網絡存儲）發生讀寫，其性能和穩定性更高。數據卷的生存週期獨立於容器，容器消亡，數據卷不會消亡。因此，使用數據卷後，容器刪除或者重新運行之後，數據卻不會丟失。

3) 倉庫

鏡像構建完成後，可以很容易的在當前宿主機上運行，但是，如果需要在其它服務器上使用這個鏡像，我們就需要一個集中的存儲、分發鏡像的服務，Docker Registry就是這樣的服務。最常使用的 Registry 公開服務是官方的 Docker Hub，這也是默認的 Registry，並擁有大量的高質量的官方鏡像。

一個 Docker Registry 中可以包含多個倉庫；每個倉庫可以包含多個標籤；每個標籤對應一個鏡像。通常，一個倉庫會包含同一個軟件不同版本的鏡像，而標籤就常用於對應該軟件的各個版本。我們可以通過 <倉庫名>:<標籤> 的格式來指定具體是這個軟件哪個版本的鏡像。如果不給出標籤，將以 latest 作爲默認標籤。

二、使用鏡像

# 獲取
官方鏡像library/centos倉庫中標籤最新的鏡像
# docker pull [選項] [Docker Registry 地址[:端口號]/]倉庫名[:標籤]
$ docker pull ufoym/deepo:tensorflow-py36

# 列出已經下載下來的鏡像
$ docker image ls

# 保存&加載：可以回滾到之前的層
# 持久化鏡像
$ docker save [IMAGE NAME] > /root/save.tar
# 導入save的文件
$ docker load < /root.save.tar
# 回滾
$ docker iamges --tree
$ docker tag <LAYER ID> <IMAGE NAME>

# 查看鏡像、容器、數據卷所佔用的空間
$ docker system df

# 取消鏡像的某個標籤（刪除鏡像）
# 因爲一個鏡像可以對應多個標籤，因此當我們刪除了所指定的標籤後，可能還有別的標籤指向了這個鏡像
# 如果是這種情況，那麼 Delete 行爲就不會發生
$ docker image rm [鏡像標籤]

# 查看當前系統版本
$ cat /etc/os-release

# 層回滾
$ docker tag [LAYER ID] [IMAGE NAME]

三、使用容器

# 查看已有的容器
$ docker container ls -a

# 新建並啓動
# 以centos鏡像爲基礎以bash終端啓動並運行一個容器，允許用戶進行交互
# -it 創建一個交互式的容器
# -d 容器會在後臺運行並不會把輸出的結果 (STDOUT) 打印到宿主機上面
# -p 選擇宿主機具體的9999端口映射到容器內部的8888端口上
# -v 掛載目錄 /root/software是本地目錄，/software是容器自己創建的目錄
# -c "while true; do echo hello world; sleep 1; done" 指令 容器是否會長久運行，是和docker run指定的命令有關
# --name 容器名稱
# --privileged=true 關閉安全權限，否則你容器操作文件夾沒有權限
# --runtime=nvidia 在容器中使用NVIDIA的GPU，需要安裝nvidia-docker
# --ipc=host 增加共享內存大小
# --rm 結束則刪除容器
$ docker run --runtime=nvidia --rm ufoym/deepo:tensorflow-py36 nvidia-smi
$ docker run --runtime=nvidia --ipc=host -it -p 8888:8888 -v /root/myDocker:/share --privileged=true --name my_tensorflow ufoym/deepo:tensorflow-py36 /bin/bash
$ docker run --runtime=nvidia --ipc=host -it -p 8888:8888 ufoym/deepo:all-py36-jupyter jupyter notebook --no-browser --ip=0.0.0.0 --allow-root --NotebookApp.token= --notebook-dir='/root'

# 終止容器
$ docker container stop [container ID]

# 啓動已終止的容器
$ docker container start [container ID]

# 重啓容器
$ docker container restart [container ID]

# 進入容器
$ docker exec -it [CONTAINER ID] bash

# 退出容器
$ exit

# 提交容器成爲新的鏡像
$ docker commit [container id] [your name]/[image name]:[tag]

# 導出&導入：會丟失所有歷史
# 持久化容器
$ docker export [CONTAINER ID] > export.tar
# 導入export的文件
$ cat centos.tar | docker import - test/centos:v1.0

# 指定URL或者某個目錄來導入
$ docker import http://example.com/exampleimage.tgz example/imagerepo

# 刪除容器
$ docker container rm [CONTAINER NAMES]

# 查看輸出結果
$ docker container logs [container ID or NAMES]

# 查看容器綁定和映射的端口
$ docker port [container NAMES]

# 查看容器信息
$ docker inspect [container NAMES]

# 查看已經存在的容器的掛載目錄
$ docker inspect [container NAMES] | grep Mounts -A 10

# 清理所有處於終止狀態的容器
$ docker container prune

注：docker save/load和 docker export/import 的區別

1. docker save保存的是鏡像（image）可以層回滾，docker export保存的是容器（container）；
2. docker load用來載入鏡像包，docker import用來載入容器包，但兩者都會恢復爲鏡像；
3. docker load不能對載入的鏡像重命名，而docker import可以爲鏡像指定新名稱。

四、數據管理

容器中數據管理主要有兩種方式：數據卷（Volumes）和掛載主機目錄（Bind mounts）

1）數據卷：可以在容器之間共享和重用；對數據卷的修改會立刻生效；對數據卷的更新不會影響鏡像；即使容器被刪除數據卷也會默認會一直存在

# 創建數據卷
$ docker volume create my-vol

# 查看所有的數據卷
$ docker volume ls

# 查看指定數據卷的信息
$ docker volume inspect my-vol

# 啓動一個掛載數據卷的容器，在一次docker run中可以掛載多個數據卷
# 創建一個名爲web的容器，並加載一個數據捲到容器的 /webapp 目錄
$ docker run -d -P \
    --name web \
    # -v my-vol:/wepapp \
    --mount source=my-vol,target=/webapp \
    training/webapp \
    python app.py

# 刪除數據卷
$ docker volume rm my-vol

# 在刪除容器的同時移除數據卷
$ docker rm -v my-vol

2) 掛載一個主機目錄作爲數據卷

# 加載主機的 /src/webapp 目錄到容器的 /opt/webapp目錄
$ docker run -d -P \
    --name web \
    # -v /src/webapp:/opt/webapp \
    --mount type=bind,source=/src/webapp,target=/opt/webapp \
    training/webapp \
    python app.py

# 從主機掛載單個文件到容器中
# 記錄在容器輸入過的命令
$ docker run --rm -it \
   # -v $HOME/.bash_history:/root/.bash_history \
   --mount type=bind,source=$HOME/.bash_history,target=/root/.bash_history \
   ubuntu:17.10 \
   bash

參考：

https://yeasy.gitbooks.io/docker_practice/content/