# docker
[TOC] ## docker概念 概念官网解释：[docker官网](https://www.docker.com/) 1. 开放平台 2. 容器技术 3. LXC(Linux Container) ### 组成 1. Docker Engine:运行平台，构建镜像（核心概念：Docker镜像 image，Docker容器 containers,docker Registry）
2. Docker Registry:托管镜像的仓库 3. Docker Hub：托管存储和共享镜像 4. Docker Machine：构建容器运行环境的配置 5. Docker Compose：多容器应用管理 6. Docker Swarm：容器集群和调度管理工具 7. Kitematic：桌面GUI管理程序（测试过Windows，体验还行） 8. Docker Toolbox（替代Boot2Docker） 9. Docker Trusted Registry(DTR) 10. Docker Subscription ### 架构
### 生态 --- ## docker命令 --- ## docker 网络（略） ``` ip link add veth-a type veth peer name veth-b ip a |grep veth brctl addif br0 veth-a ip link set veth-a up ip link set veth-b netns test1 ... ``` --- ## 实战 ### 安装 centos ``` yum install docker ``` ubuntu ``` apt install docker.io ``` 启动 ``` service docker start 或者 systemctl start docker.service ``` 设置开机启动 ``` chkconfig docker on 或者 systemctl enable docker.service ``` ### docker 命令 #### 查看 ``` docker info ```
#### run -i(stdin) -t(stdout) -d(后台运行) --rm (执行exit命令后就会退出删除容器，相当于运行一个临时的容器) ``` docker run -it centos /bin/bash docker run --name haha -it centos /bin/bash docker start haha docker ps
#附着 docker attach haha
#解附着，后台运行
ctrl+P+Q
#执行shell脚本“while”循环
docker run --name daemon_haha -d centos /bin/bash -c "while true;do echo hello world;sleep 1;done"
#查看日志：-t加时间戳-f监控
docker logs -t -F daemon_haha docker logs --tail 2 -t daemon_haha
# 查看容器对应宿主机的目录对应
container id cd /var/lib/docker/containers docker ps -a
##到对应的容器id目录下即可查看日志文件
```
docker top daemon_haha
```
#### exec (开启交互模式)
``` docker exec -i -t daemon_haha /bin/bash docker ps
# 退出还会在后台运行，相当于只是将/bin/bash进程退出而已 exit docker ps
#存在创建的txt文件
```
docker exec -d daemon_haha touch /etc/docker.txt docker exec -it daemon_haha /bin/bash ll /etc/
```
#### ps(查看正在运行的容器) -a(包括停止的容器)
```
docker ps -l docker ps -a docker ps -n 2
```
#### stop(停止后台运行) ``` docker stop daemon_haha docker ps docker start daemon_haha docker ps ```
#### kill(不建议) ``` docker kill daemon_haha ```
#### inspect(查看容器信息) ```
#看容器的属性，hostnamepath主机名的路径，容器的id，镜像的id docker inspect daemon_haha docker inspect --format='{{.State.Running}}' daemon_haha ```
#### rm(删除容器) ``` docker rm haha docker ps -a -q docker rm `docker ps -a -q` docker rm -f `docker ps -a -q`
#正在运行的需要停止或者强制删除-f docker rm -f `docker ps -a -q`
#或者 docker rm -f $(docker ps -a |awk '{print $1}') ```
#### save(保存) ``` docker save [images_tag]> test.tar ```
#### load（导入) ``` docker load test.tar ```
#### export(备份) ``` docker ps -a docker export [docker id] > my_container.tar cat my_container.tar | docker import - container:test docker images docker run -it container:test /bin/bash ```
#### import docker import [container_name]
#### search ``` docker search centos ```
#### commit ``` docker commit [container id ] haha/test ``` ---
#### build docker build从客户端传输到docker守护进程，构建是在守护进程里面进行的 Dockerfile所在的目录就是构建目录,将文件发给守护进程
``` Dockerfile FROM centos MAINTAINER ruofei RUN mkdir /usr/local/test EXPOSE 80 ```
``` docker build --no-cache -t="haha/no-cache". docker images docker build -t "haha/use-cache" . ```
#### history 查看镜像构建过程 ``` docker history haha/use-cache ```
### Dockerfile
#####ENV 环境变量的设置，设置完，启动容器后使用env命令查看： ``` env
#输出例子 HOSTNAME=b123876429ce OLDPWD=/opt/spark-1.6.0-bin-hadoop2.6/bin PYTHON_VERSION=2.7.5 ```
也可以使用docker -e “<key>:<value>”传入环境变量
##### WORKDIR 工作目录，类似cd命令去到工作的目录下面
##### CMD & ENTRYPOINT CMD：容器运行时指定运行命令，可被用户覆盖；ENTRYPOINT：容器启动时指定默认运行命令，不可被用户指定参数被覆盖，多个ENTRYPOINT,最后一个成立。
##### ARG 指定参数让用户docker build --build-arg 将参数传入
``` 如果ARG指定了一个默认值并且在构建期间没有传递值过去，那么就使用默认值。 ARG变量定义从在Dockerfile定义的行生效，而不是从在命令行参数的使用或其它地方。 ```
``` FROM busybox USER ${user:-some_user} ARG user USER $user ... ```
使用如下命令构建： ``` docker build --build-arg user=haha_user -f path_Dockerfile ``` ps:第一个传入的user值为-some_user,后面被用户传入的haha_user覆盖了。注意不要传入秘钥等隐私数据，因为可以通过docker history查看
### 集群
#### web
1. (1)先构建JDK镜像 在当前目录（/root/jdk） ```Dockerfile FROM centos MAINTAINER StephenLu ADD jdk-7u75-linux-x64.tar.gz /usr/local RUN mv /usr/local/jdk1.7.0_75 /usr/local/jdk1.7 ENV JAVA_HOME /usr/local/jdk1.7 ENV JRE_HOME /usr/java/jdk1.7/jre ENV CLASSPATH .:$JAVA_HOME/jre/lib/rt.jar :$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar ENV PATH $JAVA_HOME/bin:$PATH ```
(2)将JDK拷贝过来当前目录 ``` cp ../jdk-7u75-linux-x64.tar.gz . ```
(3)创建镜像 ``` docker build –t=”hadoop/jdk” . docker run --rm -it [image_id] ls /usr/local ```
2. Dockerfile
``` FROM hadoop/jdk MAINTAINER StephenLu ADD appache-tomcat-7.0.62.tar.gz /usr/local WORKDIR /usr/local RUN mv apache-tomcat-7.0.62 tomcat7 WORKDIR /usr/local/tomcat7/bin EXPOSE 8080 ```
(2) ``` docker run --rm -ti 0a2fb0c55cea ```
(3) ``` docker run --rm -P -it 0a2fb0c55cea /bin/bash ./startup.sh
#测试 docker ps curl -XGET '192.168.66.217:007'
# ./startup.sh在后台运行，docker以为容器内没运行进程就停调了 docker run –d –P hadop/tocat ./startup.sh
# 使用调试模式启动tomcat docker run –d –P hadoop/tomcat ./catalina.sh run docker ps -l
# 动态指定volume docker run -d -P -v /usr/local/yf_test:/usr/local/tomcat7/webapp -p 8080:8080 hadoop/tomcat ./catalina.sh run docker ps
# 页面访问 ip:port/haha/a.txt ``` #### Redis 1.单机 Dockerfile ``` ```
2.集群 #### spark #### hadoop #### tensorflow 使用docker-compose 0.安装docker-compose ``` pip install docker-compose ```
1.创建yml文件docker-compose.yml ``` version: '2' services: jupyter: image: registry.cn-hangzhou.aliyuncs.com/denverdino/tensorflow:1.0.0 ports: - "8888:8888" volumes: - "/tmp/tensorflow_logs" - "./notebooks:/root/notebooks" command: - "/run_jupyter.sh" - "/root/notebooks" tensorboard: image: registry.cn-hangzhou.aliyuncs.com/denverdino/tensorflow:1.0.0 ports: - "6006:6006" volumes_from: - jupyter command: - "tensorboard" - "--logdir" - "/tmp/tensorflow_logs" - "--host" - "0.0.0.0" ```
2.启动运行环境 ``` docker-compose up -d ```
3.检查 ``` docker-compose ps ```
4.使用环境 http://127.0.0.1:8888/tree
获取镜像 ``` docker pull floydhub/dl-docker:cpu
``` 运行 ``` docker run -it -p 8888:8888 -p 6006:6006 floydhub/dl-docker:cpu jupyter notebook （docker run -it -p 8888:8888 -p 6006:6006 floydhub/dl-docker:cpu tensorboard --logdir /tmp/tensorflow_logs --host 0.0.0.0）
＃检查，浏览器登录0.0.0.0：8888,查看jupyter notbook;0.0.0.0:6006，查看tensorbo docker run -it -p 8888:8888 -p 6006:6006 -v /sharedfolder:/root/sharedfolder floydhub/dl-docker:cpu bash ```
查看版本
``` import tensorflow as tf import keras tf.__version__
#0.8.0 print keras.__version__
#1.0.3 th.__version__
#0.8.2 caffe.__version__
＃'1.0.0-rc3'
