Docker 使用杂记 - 最佳实践尝试 - 实战
本文记录了一个项目中使用docker构建环境的过程
Docker简介
Docker NB！好了 其他简介自己看网上吧
项目背景
内在原因
这次的代码基于一个特定的tensorflow版本构建（才不是tf2跑不起来呢！
外在原因
与别人分享代码的时候就可以不用告诉他怎么一步步配置环境了
并且基于GPU的Docker镜像可以由nvidia-docker直接运行
基础镜像
FROM
需求
Tensorflow==1.14
CUDA==10.0
cuDNN==7.4
openCV==3.4.2.16
俗话说好的开始是成功的一半
这次的基础镜像就由tensorflow官方搭的镜像为基础
看了一圈选择了tensorflow/tensorflow:1.14.0-gpu-py3
挺不错 自带GPU支持 要构建其他镜像的同学也可以在tags里面搜索即可 全都有
镜像维护者
LABEL
这里是说的MAINTAINER这个标签 但是我刚敲出来 就发现 过期了（deprecated
上网一搜发现解决方案是用LABEL
最佳实践：
LABEL maintainer="Licsber <Licsber@njit.edu.cn>"
工作文件夹
WORKDIR
顾名思义 制定容器内默认的文件夹
不指定的话默认就是/根目录
WORKDIR /home
文件
ADD
ADD的好处是tar.gz文件可以自动解压
并且ADD可以从网络路径拷贝文件
任何情况下尽量不使用ADD（因为各种奇怪行为
COPY
顾名思义 COPY：拷贝文件
语义明确 推荐使用
注意目标地址一定要是一个目录（不然报错
源地址拷贝会自动相当于有一个 /*的拷贝
于是乎造成的特性就是只拷贝文件夹内的内容
COPY sources.list /etc/apt/
COPY model /home/model/
COPY *.py /home/
另外的特性就是可以使用通配符（符合Go语法即可（GoNB
宗卷
VOLUME
设置宗卷之后可以使用外置环境的内容了
VOLUME /data
挂载的方式：在docker run后面带上参数
-v $源路径:$宗卷名称切记别反了（我第一次就反了 debug半天
例如：
sudo docker run -v /Users/licsber/Download:/data $项目名称
这样在镜像内/data就能访问到外置环境了 方便保存结果 读取文件
命令
RUN
RUN用于运行命令
最佳实践：
RUN apt update && apt install libsm6 libxrender1 libxext-dev ffmpeg -y && \
pip install -U -i https://pypi.tuna.tsinghua.edu.cn/simple pip && \
pip install matplotlib scipy ffmpy opencv-python==3.4.2.16 opencv-contrib-python==3.4.2.16 tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple
新手会把RUN命令写多个 但是每一个Docker命令都会新建一层
这样会让层数特别多 于是 如果只是为了构建环境 一句话就够
入口点
ENTRYPORT
和CMD命令差不多
区别就是不会被默认替换
如果只定义CMD 空参数运行默认执行CMD里的内容
如果只定义CMD 带参数运行会覆盖CMD定义的命令
ENTRYPOINT ["python", "main.py"]
这样镜像名:tag后面的参数就会默认追加到入口点了
CMD
另外需要注意的就是Docker没有后台的概念
如果在里面写这样：
CMD service nginx start
会发现容器秒退 因为Docker是容器 具体解释参见CMD容器启动命令
Dockerfile
okk 看完了前面 终于到了重点
把这些命令一行行码好 放到一个Dockerfile里
就可以build了
build之后 run push 之类的操作岂不是顺手拈来
另外可以看看阿里天池的Docker训练 也能摸索tag的使用方法
还有关于tag的一个小坑 latest 这个自己谷歌吧
完整的Dockerfile贴在这：
FROM tensorflow/tensorflow:1.14.0-gpu-py3
LABEL maintainer="Licsber <Licsber@njit.edu.cn>"
WORKDIR /home
VOLUME /data
COPY sources.list /etc/apt/
RUN apt update && apt install libsm6 libxrender1 libxext-dev ffmpeg -y && \
pip install -U -i https://pypi.tuna.tsinghua.edu.cn/simple pip && \
pip install matplotlib scipy ffmpy opencv-python==3.4.2.16 opencv-contrib-python==3.4.2.16 tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple
COPY model /home/model/
COPY *.py /home/
ENTRYPOINT ["python", "Retargeting.py"]
后记
话说loop: 改代码 -> build同一个tag -> 运行是不是最佳实践呀？
实测产生大量<none> 需要手动删除
这里贴出来一键代码：清理无用的docker镜像
alias dclean='sudo docker rmi $(sudo docker images -f "dangling=true" -q)'
没错 我就是电脑里定义了100+alias的小天才（逃
本文环境
Docker engine==19.03.5
