原創
作者：你們大衛
假設本地 Ubuntu 服務器已經安裝好了Docker，這裏講述一下如何開始運行Anaconda3的Docker鏡像：
1. 搜索鏡像
搜索我們想要的anaconda鏡像：
docker search anaconda
2. 拉取鏡像
我們決定拉anaconda3官方鏡像，即
continuumio/anaconda3 這個鏡像：
docker pull continuumio/anaconda3
注意，這個鏡像大小接近1GB，所以時間比較長。
3.運行鏡像，指定網絡端口
運行 anaconda3 鏡像的bash命令行，其中指定容器到宿主機的端口映射：
docker run -i -t -p 12345:8888 continuumio/anaconda3 /bin/bash
其中：
-i: 是 以交互模式運行容器，通常與 -t 同時使用；
-t: 爲容器重新分配一個僞輸入終端，通常與 -i 同時使用；
-p: 指定端口映射，格式爲：主機(宿主)端口:容器端口
具體數字隨便寫的...
即可進入anaconda3的命令行。
4. 檢查Python的版本
python
當前是3.7.3版本
5. 查看已經安裝的庫
有兩種查看方法，pip 和 conda 均可
conda list
pip list
6. 安裝xgboost（或者其他包）
首先，原始鏡像應該是不帶xgboost的，測試一下：
(base) root@4e0533451e3a:/# python
Python 3.7.3 (default, Mar 27 2019, 22:11:17)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import xgboost
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'xgboost'
說明 xgboost 沒有被安裝，那按 ctrl+z 退出python環境，我們來安裝xgboost：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xgboost
順利安裝完畢，就可以調用 xgboost 了，如圖：
7. 給anaconda鏡像改名：
首先我們需要給容器重命名，爲了以後使用方便。
原來運行 anaconda鏡像 的容器名稱叫做 4e0533451e3a ，我們改名叫做AnacondaEnvironment。
docker rename cc432d1f6b13 AnacondaEnvironment
8. 重新運行改名後的鏡像:
docker start -i AnacondaEnvironment
測試是不是有xgboost：
root@hz-sjfx-test-199-138-5:~# docker start -i AnacondaEnvironment
(base) root@cc432d1f6b13:/# python
Python 3.7.3 (default, Mar 27 2019, 22:11:17)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import xgboost
>>> xgboost.__version__
'0.90'
成功！
9. 在該容器中運行jupyter notebook：
之前我們已經指定了宿主機的端口和容器的端口相互映射，其中：
宿主機的端口是：12345
容器的端口是：8888
在容器中啓動 jupyter notebook：
jupyter notebook --port 8888 --ip 0.0.0.0 --allow-root
這時候複製：
http://127.0.0.1:8888/?token=a6b3189e8f96802b6d193475f0e30908c3a2e16816e1a444
並且把前面的127.0.0.1:8888（容器的ip和端口）改爲宿主機的ip和8888映射到宿主機的端口12345：
http://10.199.138.5:12345/?token=a6b3189e8f96802b6d193475f0e30908c3a2e16816e1a444
然後在本地瀏覽器中打開即可：
成功運行！
10. 把當前容器打包爲新的鏡像：
當前我們對原始的 anaconda3 鏡像做了一些改動：
-
安裝了xgboost
-
安裝了lightgbm
-
隨意新建了一個ipynb文件
然後我們想把當前容器狀態打包爲新的鏡像，這樣以後我們就可以部署到其他地方了，而不用再安裝xgboost等等。
使用 docker commit 命令來將容器打包爲鏡像：
root@hz-sjfx-test-199-138-5:~# docker commit --help
Usage: docker commit [OPTIONS] CONTAINER [REPOSITORY[:TAG]]
Create a new image from a container's changes
Options:
-a, --author string Author (e.g., "John Hannibal Smith <[email protected]>")
-c, --change list Apply Dockerfile instruction to the created image
--help Print usage
-m, --message string Commit message
-p, --pause Pause container during commit (default true)
我們的容器名字叫 id 是 cc432d1f6b13，所以：
docker commit -a "nimendavid" -m "nimendavid's first docker image based on Anaconda3 with xgboost and lightgbm" cc432d1f6b13 new_anaconda_xgboost
其中：
-a "nimendavid" 指的是作者
-m "nimendavid's......lightgbm" 指的是說明comment
cc432d1f6b13 指的是容器的短id，可以從命令行看出
new_anaconda_xgboost 指的是我們打包的新鏡像的名稱
現在應該就打包成功了。
11. 查看新鏡像:
docker image ls
我們可以看見第一條鏡像就是我們剛剛打包好的鏡像，有整整 3.05GB 大。
12. 將打包好的新鏡像上傳到 Docker Hub：
首先我們需要將這個新鏡像打上 tag，方便在公共服務器進行上傳：
docker tag new_anaconda_xgboost:latest nimendavid/machine_learning:v0.1
其中:
new_anaconda_xgboost:latest
格式是 本地鏡像名稱:tag ，可以通過 docker image ls 查看
nimendavid/machine_learning:v0.1
格式是 dockerhub用戶名/倉庫名:tag ，需要自己有一個dockerhub賬號，v0.1就是自定義的版本號碼
然後記得登錄在服務器上dockerhub，否則推送會報錯：
docker login
最後push本地鏡像到dockerhub即可，記得退出dockerhub的登錄：
推送還是比較慢的...耐心等待
登出 dockerhub：
docker logout