在Ubuntu中使用Docker打包程序（Conda, pip）

使用docker打包开发完的包和程序，有一个很大的好处是，把系统当前的配置环境都完整保存下来。这样只要把docker的image文件发到其他电脑里，就可以快速部署，完全不需要考虑环境配置的问题，特别对于python的程序来说，环境配置一直是个头疼的问题。

1. Docker 安装

有两种选项，一种是默认存储库在Ubuntu上的Docker，另一种是官方存储库的Docker。

建议使用官方存储库的Docker，两种方法我都用过，第一种方法，很多时候在pull对应环境时，会出现名称不匹配的情况，找不到对应的库，但是用回官方的就没这个问题，少踩些坑。

以下配置过程是在Ubuntu18.04上测试的，其他版本可以搜一下，挺多的。

1）更新本地的软件列表数据库

bash 复制代码

sudo apt-get update

2）下载依赖项

bash 复制代码

sudo apt-get install apt-transport-https ca-certificates curl software-properties-common

添加GPG钥匙

bash 复制代码

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

4）安装Docker存储库

bash 复制代码

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu  $(lsb_release -cs)  stable"

5）安装最新版Docker

bash 复制代码

sudo apt-get install docker-ce

6）测试

安装完后，可以运行一下docker指令

bash 复制代码

sudo docker --version

如果有返回当前版本说明安装应该没什么问题，也可以运行sudo docker images查看当前的镜像，但是刚装的docker，应该什么镜像也没有

2. 制作镜像image

在制作镜像前，需要三样东西：

Package files: 就是你的程序，整个文件夹，接下来我都会以GPT-SoVITS这个项目做列子
environment.yml：由conda输出的环境配置文件，里面会列出所有用到的依赖项，当然里面会有些多余的，这个后面再说
Dockerfile：这个是一个脚本，怎么一步步把依赖库和启动程序构建好，别人run我们的image时，就会根据这个脚本启动

最终在同一路径下，有如图所示的这三个文件：

2.1 准备文件

然后说一下怎么准备上面这些文件：

1）首先第一个是package，这个就是我们的整个项目文件

2）然后是environment.yml，先进入conda的虚拟环境

bash 复制代码

conda activate your_env_name

然后使用指令输出环境配置文件

bash 复制代码

conda env export > environment.yml

这时第二个文件也准备好了。

3）写Dockerfile，先建一个Dockerfile，可以直接用指令touch Dockerfile，也可以手动自己添加，要注意的是，不需要加后缀，就用Dockerfile这个名字就行. 然后是内容，用我现在写的脚本做例子，也是有很多技巧的，以后可以慢慢学习，知道大概流程就行

Docker 复制代码

# 使用一个轻量级的Miniconda基础镜像
FROM continuumio/miniconda3:latest

# 设置工作目录在容器内
WORKDIR /app

# 将从conda导出的 environment.yml 文件复制到容器的当前目录
COPY environment.yml .

# 利用复制的配置文件创建Conda环境
RUN conda env create -f environment.yml

# 激活环境并设置PATH，这样后续命令都会在使用此环境的前提下执行
# 将 `your_env_name` 替换为你的环境名
ENV PATH /opt/conda/envs/your_env_name/bin:$PATH

# 将你的package源代码复制到容器的 /app 目录下
COPY . .

# 设置容器启动时默认执行的命令，例如运行你的package
# 请根据你的package修改此命令，例如 `CMD ["python", "-m", "your_package"]`
WORKDIR /app/GPT-SoVITS
CMD ["python", "api.py", "-d", "cpu", "-a", "0.0.0.0", "-p", "9880", "-dr", "./test_data/test_video.wav", "-dt", "希望以后没有bug。", "-dl", "zh"]

上面的脚本注释里有说明。

PS：要注意的地方是，最后CMD里面，如果需要加入参数的，要用双引号""一个个添加

同时，如果需要通过ip地址和端口处理服务的，如上面的 127.0.0.1:9880，要注意了，docker在容器内对外网卡地址是0.0.0.0，所以在写制作镜像时要注意把程序内部的地址改成0.0.0.0，不然就没办法通讯上了。

2.2 开始制作

1）先进入到上面准备好的三个文件所在的目录，然后运行以下指令制作镜像，-t后面的是这个镜像的名称，只能加一个/，不能加两个，一般前面是签名，后面写版本，最后:后面的是版本号

bash 复制代码

sudo docker build -t gptsovits/ubuntu18_py310:v1.0 .

其实在上面这个过程，会报各种依赖项无法安装，有些是ROS的依赖项和工具包，这些其实不是我上面这个包需要的依赖项，很奇怪，我配的这个conda环境是新建的，应该没包括ROS的东西才对，然后就需要把这些不需要的包，一个个去掉，这里也费了些功夫。

2）制作完镜像后，使用指令sudo docker images就可以查看这个镜像了

然后可以尝试运行它

bash 复制代码

sudo docker run -it --rm -p 9880:9880 gptsovits/ubuntu18_py310:v1.0

一切如预期运行就最好啦，当然如果发现启动没成功，其实可以进入到容器里debug，很多时候是因为路径问题，这个需要慢慢检查，使用如下指令就可以建立一个临时的docker容器进行debug，同时退出时缓存会被清除

bash 复制代码

sudo docker run -it --rm -p 9880:9880 --name gptsovits_debug gptsovits/ubuntu18_py310:v1.0 /bin/bash

2.3 保存和分享镜像

制作完成后，就可以把镜像打包，发送给别人了,也可以上传的docker hub上面

两个方案：

方案一：离线迁移
在源电脑上导出镜像
使用 docker save命令将镜像导出为一个 tar 归档文件。-o参数用于指定输出文件的路径和名称

bash 复制代码

sudo docker save -o my-image.tar <你的镜像名>:<标签>

示例：如果用我上面的镜像名为 gptsovits/ubuntu18_py310，标签为 v1.0，则命令为：

bash 复制代码

sudo docker save -o gptsovits-ubuntu18-py310-v1.0.tar gptsovits/ubuntu18_py310:v1.0

然后把压缩文件发到别的电脑即可。

在另一台电脑运行

bash 复制代码

sudo docker load -i gptsovits-ubuntu18-py310-v1.0.tar

解压完后，使用sudo docker images看看有没有加载成功，加载成功后，可以尝试运行它

bash 复制代码

sudo docker run -it --rm -p 9880:9880 gptsovits/ubuntu18_py310:v1.0

方案二：在线迁移
首先在源电脑上推送镜像到 Docker Hub
此时，需要先注册一个Docker Hub的账号，点这里进入官网
注册完后，还要先创建一个仓库，然后需要用到username和仓库名。
a. 登录 Docker Hub
在终端中执行以下命令，并输入你的 Docker Hub 用户名和密码进行登录sudo docker login
b. 为镜像打标签
为了能推送到 Docker Hub，你的镜像名称必须符合你的用户名/仓库名:标签的格式。使用 docker tag命令为本地镜像创建一个符合要求的新标签

bash 复制代码

sudo docker tag <原镜像名>:<原标签> <你的DockerHub用户名>/<仓库名>:<标签>

示例：

bash 复制代码

sudo docker tag gptsovits/ubuntu18_py310:v1.0 yourusername/gptsovits-app:latest

c. 推送镜像

使用 docker push命令将打好标签的镜像推送到 Docker Hub

bash 复制代码

sudo docker push yourusername/gptsovits-app:latest

然后在目标电脑上拉取镜像

在目标电脑上，只需一条命令即可从 Docker Hub 拉取镜像

bash 复制代码

sudo docker pull yourusername/gptsovits-app:latest

3. 维护

3.1 管理存储空间

大家在使用过程中，会发现，一个image的size是很大的，所以如何管理docker的存储空间也是个重要的维护任务

清理目标	推荐命令	主要作用与注意事项
全面检查	docker system df	查看 Docker 整体磁盘使用情况，帮助定位哪个区域占用空间最多
构建缓存	docker builder prune	清理效果通常最显著。删除构建镜像时产生的中间缓存层
悬空镜像	docker image prune	删除标签为的镜像（通常由新旧镜像替换产生）
已停止的容器	docker container prune	删除所有已停止（Exited）的容器，一般可安全清理
未使用的数据卷	docker volume prune	清理前请确认，卷通常用于持久化重要数据（如数据库文件）
一键清理（谨慎）	docker system prune	一次性清理上述所有类型的未使用资源（镜像、容器、网络、构建缓存），不删除数据卷

3.2 删除镜像

查找所有容器（包括已停止的）
sudo docker ps -a

停止并删除与旧镜像相关的容器（将 <container_id> 替换为实际的容器ID）
sudo docker stop <container_id>
sudo docker rm <container_id>

删除镜像（将 <image_name> 和替换为你的镜像名称和标签）

例如：sudo docker rmi my-app:latest
sudo docker rmi <image_name>:<tag>