Docker 容器在不同服务器中的迁移

假如我们有一台新的服务器，想把旧服务器的容器迁移到新服务器中，这样新服务器就不用重新配置环境了，该怎么做呢？

如果新服务器没有docker，则先进行docker安装：

python 复制代码

curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun

打包旧服务器的容器为镜像：

python 复制代码

 docker commit dc8e61b7cc05  test_513

镜像保存为tar文件：

python 复制代码

docker save test_513:latest > /home/chensongcan/test_513.tar

scp将旧服务器的镜像传到新的服务器上（在新服务器上执行该命令）

python 复制代码

scp -r -P 端口号 原服务器账号@ip:tar文件地址 文件保存在新服务器地址

新服务器上解压tar文件

python 复制代码

docker load -i test_513.tar

docker images查看镜像是否传输成功(发现镜像名称和标签都为None)

python 复制代码

docker images

复制旧服务器的镜像名称和标签(非必须)

python 复制代码

docker tag 新服务器镜像id 旧服务器镜像名称:标签

docker run启动新容器，可以愉快的玩耍了

python 复制代码

docker run -tid --name test -v /data:/data test_513:latest bash

PS: 1. 启动gpu 容器，需要加这个参数 --gpus all

增加--shm-size 100G扩大shm-size

问题1：

python 复制代码

docker: Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: exec: "/.r/r": stat /.r/r: no such file or directory: unknown.

解决方法：

在run的时候加上： entrypoint ""

python 复制代码

docker run -tid --name test --entrypoint "" --gpus all --shm-size 100G -v /data:/data test_513:latest bash

问题2：

nvidia-smi发现看不到GPU的基本信息，啥都没返回。

解决方法：

需要安装 nvidia-docker：

python 复制代码

#nvidia-docker2 安装 【CUDA 10 必须要用 nvidia-docker2 不然启动不了】
	distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
	   && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \
	   && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
	#如果添加不了 公钥 key ，则使用下面的方法添加
	apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 82EB5823F4FE239D
	#更新源
	apt-get update
	#安装
	apt-get install -y nvidia-docker2
	#重启 docker
	service docker restart