【部署运维】docker：入门到进阶

0 前言

部署运维博客系列一共有三篇：

拥抱开源，将工作中的经验分享出来，尽量避免新手踩坑。

【部署运维】docker ：入门到进阶

【部署运维】kubernetes：容器集群管理掌握这些就够了

【部署运维】python+redis+celery+docker：实时异步访问的深度学习应用实战

1 docker的原理和优势

1.1 docker的原理

招聘要求中的提到的容器化技术指的就是docker相关的东西。确切地说，**容器是一种对进程进行隔离的运行环境；**进程的隔离，主要是通过Namespace和Cgroup两大机制实现的。在生产环境中，容器基本都是运行在linux上的。

1.2 docker的优势

更高效的利用系统资源

docker对系统资源的利用率更高，无论是应用执行速度，内存损耗或者文件存储速度，都要比传统虚拟机技术更高效。因此，相比虚拟机技术，一个相同配置的主机往往可以运行更多数量的应用。

更快速的启动时间

传统的虚拟机技术启动应用服务往往需要数分钟，而docker容器应用，由于直接运行于宿主内核，无需启动完整的操作系统，因此可以做到秒级，甚至毫秒级的启动时间，大大的节约了开发测试，部署的时间。

一致的运行环境

开发过程中常见的一个问题是环境一致问题，由于开发环境，测试环境，生产环境不一致，导致有些bug并未在开发过程中发现。而docker的镜像提供了除内核外完整的运行时环境，确保环境一致性，从而不会在出现"这段代码在我机器上没问题"这类问题。

持续支付和部署

对开发和运维人员来说，最希望就是一次创建和部署，可以在任意的地方运行。（定制应用镜像来实现集成、持续支付、部署。开发人员可以通过dockerfile来进行镜像构建，并结合持续集成系统进行集成测试，而运维人员则可以直接在生产环境中快速部署该镜像，甚至结合持续部署系统进行自动部署）。而且使用dockerfile使镜像构建透明化，不仅仅开发团队可以理解应用运行环境，也方便运维团队理解应用运行所需条件，帮助更好的生产环境中部署该镜像。

更轻松的迁移

由于docker确保了执行环境的一致性，使得应用的迁移更加的容易。docker可以在很多平台上运行，无论是物理机、虚拟机、公有云、私有云、甚至是笔记本、其运行结果是一致的。因此用户可以很轻易的将在一个平台上运行的应用，迁移到另一个平台上，而不用担心运行环境的变化导致应用无法正常运行的情况。

更轻松的维护和拓展

docker使用的分层存储以及镜像的技术，使得应用重复部分的复用更为容易，也使得应用的维护更新更加简单，基于基础镜像进一步扩展镜像也变得十分简单。此外，docker团队同各个开源项目团队一起维护了一大批高质量的官网镜像，既可以直接在生产环境使用，又可以作为基础进一步定制，大大的降低了应用服务的镜像制作成本。

2 docker是如何工作的

Docker客户端：Docker客户端是用户与Docker交互的工具，它可以通过命令行或图形界面来操作Docker。Docker客户端负责接收用户输入的命令，并将其发送给Docker守护进程。
Docker守护进程：Docker守护进程是Docker的核心组件，它运行在Docker主机上，负责创建、运行和分发容器。Docker守护进程与Docker客户端之间通过REST API进行通信。
Docker主机：Docker主机是运行Docker守护进程的物理或虚拟机器。Docker主机可以安装在Linux、Windows或Mac OS上。
Docker Registry是一个用于存储和分发Docker镜像的服务器端应用程序。它是一个开源项目，使用Apache许可证。您可以在GitHub上找到它的源代码。

3 docker命令实操

在实操之前需要明白镜像和容器的区别：

镜像就是一系列文件和配置的组合，它是静态的，只读的，不可修改的。

而容器是镜像的实例化，它是可操作的，是动态的，可修改的。

3.1 安装docker

先在本机安装docker客户端，一般都是生产环境，本文主要针对ubuntu系统进行阐述。

3.1.1 设置仓库

bash 复制代码

sudo apt update # 更新源
sudo apt install ca-certificates curl gnupg lsb-release # 安装依赖
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg # 将官方Docker存储库的GPG密钥添加到系统
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 设置稳定的仓库。

3.1.2 安装docker-ce和配套

bash 复制代码

sudo apt update # 上一步设置仓库后，要更新源
sudo apt install docker-ce docker-ce-cli containerd.io docker-compose-plugin # 安装docker-ce和配套

如果程序需要gpu的话，则需要进一步安装Nvidia-Docker，即3.1.3 ，不需要可忽略。

安装Nvidia-Docker的先决条件：

GNU/Linux x86_64 with kernel version > 3.10
Docker >= 1.12
NVIDIA GPU with Architecture > Fermi (2.1)
NVIDIA drivers ~= 361.93 (untested on older versions)

3.1.3 安装nvidia-docker2(非必须)

bash 复制代码

sudo apt update # 更新源
sudo apt install -y nvidia-docker2 # 安装nvidia-docker
sudo systemctl restart docker # 重启docker

重启后测试一下,有版本信息说明安装成功

bash 复制代码

docker --version

3.1.3 docker换源

在/etc/docker/daemon.json中写入下面镜像源(换源后仍可能会慢，有必要时可以科学上网)

bash 复制代码

{
  "registry-mirrors": [
    "https://registry.docker-cn.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://hub-mirror.c.163.com"
  ]
}

执行命令使得添加镜像源生效，并重启docker

bash 复制代码

sudo systemctl daemon-reload && sudo systemctl restart docker

3.2 使用docker命令

3.2.1 对镜像操作

docker search 镜像名（查询镜像）
docker pull 镜像名（拉取镜像）
docker run （运行镜像生成容器）
docker build -t 镜像名:标签 .（通过Dockerfile构建镜像）
docker push （发布镜像到镜像仓库）

3.2.2 对容器操作

docker start 容器id（启动容器）
docker restart 容器id （重启容器）
docker stop 容器id （停止容器）
docker ps（查看正在运行的容器）
docker commit (将操作过的容器，比如配置过环境，安装过一些依赖等，可以通过该条命令将容器打包为镜像，固化为静态文件，下次启动镜像生成容器时环境依旧存在)
docker cp 主机目录容器目录（主机copy文件到容器目录）
docker rm 容器id（删除镜像）

3.2.3 重要的命令说明

docker run

bash 复制代码

docker run [OPTIONS] IMAGE [COMMAND] [ARG...]

OPTIONS说明：

-a stdin: 指定标准输入输出内容类型，可选 STDIN/STDOUT/STDERR 三项；
-d: 后台运行容器，并返回容器ID；
-i: 以交互模式运行容器，通常与 -t 同时使用；
-P: 随机端口映射，容器内部端口随机映射到主机的端口
-p: 指定端口映射，格式为：主机(宿主)端口:容器端口
-t: 为容器重新分配一个伪输入终端，通常与 -i 同时使用；
--name="nginx-lb": 为容器指定一个名称；
--dns 8.8.8.8: 指定容器使用的DNS服务器，默认和宿主一致；
--dns-search example.com: 指定容器DNS搜索域名，默认和宿主一致；
-h "mars": 指定容器的hostname；
-e username="ritchie": 设置环境变量；
--env-file=[]: 从指定文件读入环境变量；
--cpuset="0-2" or --cpuset="0,1,2": 绑定容器到指定CPU运行；
**-m :**设置容器使用内存最大值；
--net="bridge": 指定容器的网络连接类型，支持 bridge/host/none/container: 四种类型；
--link=[]: 添加链接到另一个容器；
--expose=[]: 开放一个端口或一组端口；
--volume , -v: 绑定一个卷

常用的参数通过一条执行命令指出

bash 复制代码

sudo docker run -it --gpus all -v /home/usr/project:/workspace -p 0.0.0.0:7865:8082 sd:v1 /bin/bash