Docker的一次完整使用总结

最近在项目中存在这么一个需求，就是对深度学习的一些代码要大规模部署，但是依赖一些环境和显卡驱动，所以考虑将代码和所需要的环境打包成docker镜像来方便部署，经过了一两周的学习和实验以及请教他人，目前我算是基本搞明白了一些，先主要总结一些容易出错的点或者疑惑的点。

1、制作Dockerfile

在制作Dockerfile的过程中，用到了一些指令：

FROM、ENV、copY、ADD、CMD、RUN、EXPOSE

有以下几点注意：

---copY和ADD，copY只是将数据进行一个复制，而ADD除了会进行复制之外，还可以执行一些其他的操作，比如说我们复制了一个.tar.gz的压缩文件，那么ADD会在复制完成之后进行一个解压缩操作，所以后期我们可以直接使用已经解压缩出来的数据。

---CMD，CMD表示的是在使用docker镜像启动一个容器的时候，如果在docker run的时候没有指定执行什么命令，那么就会执行CMD后面的动作。而CMD可以执行两种动作，一种是执行可执行程序，并传递参数：CMD ["exec","params1","params2"]，为什么可以这样使用呢，因为docker容器本身也是一个进程，进程在执行的时候是可以传递参数的，所以通过这种方式可以传递参数，不过只能运行可执行程序。如果运行的是脚本，如shell，则不能采用上述方式，用CMD compand1 compand2等。如：CMD cd src && python start.py。但是因为shell命令的上下文只能用在一句命令上，所以如果想一次执行多个命令，需要用 &&来连接即可。

---EXPOSE，EXPOSE只是对外（宿主机）暴露可访问的端口而已，该端口如果要实现能够被其他主机访问，需要在启动docker容器的时候增加-p或-P参数来指定将宿主机上的端口映射到docker容器内部的端口，这样外部的主机就可以访问docker容器内部的端口上的服务了。

-p 宿主机端口:容器端口

---RUN，RUN可以执行一个指令。

需要注意的是，以上每个命令在Dockerfile中存在一次就会给最终的docker镜像增加一层，所以尽量的减少镜像的层数是必要的，有助于减小镜像的大小。如EXPOSE，就应该一个命令后面写多个端口，以及RUN 如果要mkdir则应该使用 && 一个指令创建多个路径

2、制作镜像

制作镜像使用docker build指令

docker build -t "镜像的tag":"镜像的版本号(一般我使用年月日时分来标记)" . 在使用的时候一定要注意最后有个 点，这个点表示的是当前上下文，为什么会有上下文的概念呢？因为实际上docker镜像的制作是由docker daemo进程来制作的，我们平时输入docker命令的是docker的客户端，docker客户端将我们的指令以及上下文的内容传输给docker 的服务端，服务端来给我们制作镜像。这也就是docker build命令执行之后会出现数据传输的现象。

3、根据镜像启动docker容器

根据docker镜像启动docker容器主要使用以下命令，其中需要注意，-v表示使用宿主机上的某个目录来映射容器中的某个目录，这样我们就不需要去容器中查看一些数据了，如日志等，此外，容器中的数据在容器结束之后，就被清理掉了，采用这种方式数据就不会被清理调。那问题就来了，这是为什么呢？我觉得和这些数据存储的路径有关，具体原因需要在查询

4、启动nvidia-docker，启动一个能使用GPU的容器环境

由于代码中使用了caffe等深度学习的框架，需要GPU来运行，所以普通的docker环境是不行的，因为普通的docker环境是泡在cpu上的，所以很多一般的机器是没有GPU环境的。这个问题一开始我并不知道，导致浪费了我很多时间。。。，我们需要在有GPU的机器上，安装三个部分：docker、GPU驱动，一般是Nvidia驱动，nvidia-docker。具体安装过程及原因请参考文章"nvidia-docker的使用"，我参考了一位网友的博客实现的。

nvidia-docker的使用

5、编写docker启动脚本

注意点：后台运行docker

只需要在docker run命令中增加 -d参数就可以，如果不加-d 那么docker就会在控制台运行，输出信息到控制台

命令：nvidia-docker run -v /home/xiaoju/logs:/workspace/logs -p 8090:8090 --name "image-face-detection" -d $image

其中 -v：卷挂载，-p端口映射，--name指定容器名，$image 表示在执行这个shell的时候输入的镜像名，-d表示后台运行

另外需要注意一点，如果系统已经开起来了nvidia-docker，那么就可以直接用docker命令就可以，不需要在用nvidia-docker，毕竟还是用docker命令来的爽。如果在dockerfile中没有CMD命令 那么可以使用最经典的用法：

docker run -it image_name /bin/bash