前言
Docker 是一個開源專案，誕生於 2013 年初，最初是 dotCloud 公司內部的一個業餘專案。它基於 Google 公司推出的 Go 語言實作。 專案後來加入了 Linux 基金會，遵從了 Apache 2.0 協議，原始碼在 GitHub 上進行維護。
Docker 自開源後受到廣泛的關注和討論，以至於 dotCloud 公司後來都改名為 Docker Inc。Redhat 已經在其 RHEL6.5 中集中支援 Docker；Google 也在其 PaaS 產品中廣泛應用。
Docker 專案的目標是實作輕量級的作業系統虛擬化解決方案。 Docker 的基礎是 Linux 容器（LXC）等技術。
在 LXC 的基礎上 Docker 進行了進一步的封裝，讓使用者不需要去關心容器的管理，使得操作更為簡便。使用者操作 Docker 的容器就像操作一個快速輕量級的虛擬機一樣簡單。
Docker 基本概念
映像檔 (Image)
- Docker 映像檔就是一個唯讀的模板。
- 映像檔可以用來建立 Docker 容器。
- Docker 提供了一個很簡單的機制來建立映像檔或者更新現有的映像檔，使用者甚至可以直接從Docker Hub下載一個已經做好的映像檔來直接使用。
容器 (Container)
- 容器是從映像檔建立的執行實例。它可以被啟動、開始、停止、刪除。每個容器都是相互隔離的、保證安全的平台。
- 可以把容器看做是一個簡易版的 Linux 環境（包括root使用者權限、程式空間、使用者空間和網路空間等）和在其中執行的應用程式。
倉庫 (Repository)
- 倉庫分為公開倉庫（Public）和私有倉庫（Private）兩種形式。
- 最大的公開倉庫是 Docker Hub，存放了數量龐大的映像檔供使用者下載。
- NVIDIA AI 倉庫為 NGC，存放了 AI 常用框架的映像檔供使用者下載。
安裝
系統環境
- OS：Ubuntu 18.04
- Docker：19.03
- NVIDIA Container Toolkit：1.2.0
步驟
安裝相依性套件
1
2
| sudo apt-get update
sudo apt-get install apt-transport-https ca-certificates curl gnupg-agent software-properties-common
|
添加 Docker GPG key
1
2
| curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo apt-key fingerprint 0EBFCD88
|
添加 Docker 套件庫 (穩定版)
1
| sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
|
安裝 docker-ce docker-ce-cli containerd.io
1
2
| sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io
|
添加 NVIDIA Docker 套件庫
1
2
3
| distribution=$(. /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
|
1
2
| sudo apt-get update
sudo apt-get install nvidia-container-toolkit
|
重啟 Docker
1
| sudo systemctl restart docker
|
執行 Docker 不加 Sudo (選)
1
2
3
| sudo groupadd docker
sudo gpasswd -a ${USER} docker
sudo service docker restart
|
Docker 基本操作
搜尋映像檔 search
在 Docker Hub 上尋找，會顯示熱度前幾名的映像檔。
1
| sudo docker search <Image Name>
|
取得映像檔 pull
將映像檔從倉庫下載到本機。
1
| sudo docker pull <Image Name>
|
全部映像檔 images
顯示本機已下載的映像檔。
建立容器 run
建立容器並啟用。
| Tag |
Description |
| -it |
配置一個虛擬的終端機以及讓標準輸入維持在打開的狀態 |
| -d |
背景執行 |
| –rm |
Container 執行結束後自動刪除 |
| –name |
為 Container 命名 |
| -p : |
將主機的 Port 綁定到 Container 的Port |
| -v : |
將主機的資料夾掛載到 Container 資料夾 |
| –gpus ‘“device=“‘ |
指定使用 GPU 編號 |
| –gpus 2 |
指定使用前幾個 GPU |
| –gpus all |
使用全部的 GPU |
1
| sudo docker run -it --name test --gpus all -p 20000:8888 -v /raid:/data nvcr.io/nvidia/tensorflow:20.06-tf2-py3 bash
|
可透過 exit 中回到本機系統，但第一次離開會停止容器的運行。
全部容器 ps -a
顯示本機已建立的容器。
進入運行中的容器
使用 exec
1
| sudo docker exec -it <Container ID or Name> bash
|
使用 attach
1
| sudo docker attach <Container ID or Name>
|
啟用容器 start
啟動停止的容器。
1
| sudo docker start <Container ID or Name>
|
停止容器 stop
停止啟用的容器。
1
| sudo docker stop <Container ID or Name>
|
打包容器 commit
將容器包成映像檔。
1
| sudo docker commit <Container ID or Name> <Image Name>
|
打包映像檔 save
將映像檔打包成檔案。
1
| sudo docker save -o <File Name>.tar <Image Name>
|
載入映像檔 load
將打包的映像檔檔案載入本機。
1
| sudo docker load -i <File Name>.tar
|
刪除容器 rm
刪除容器，如容器還在運行，可加 -f ，強制刪除。
1
2
3
4
| sudo docker rm <Container ID or Name>
# 強制刪除
sudo docker rm -f <Container ID or Name>
|
刪除映像檔 rmi
1
| sudo docker rmi <Image Name>
|
補充
安裝 nvidia-docker2
Docker 版本小於 19.03，又要使用 GPU 了話，要改安裝 nvidia-docker2，不過此套件過一陣子將不再支援，不建議安裝。
1
2
3
4
5
6
7
8
9
| # 此範例 Docker 版本為 18.06
sudo apt-get update
sudo apt-get install docker-ce=18.06.1~ce~3-0~ubuntu
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install -y nvidia-docker2=2.0.3+docker18.06.1-1 nvidia-container-runtime=2.0.0+docker18.06.1-1
sudo pkill -SIGHUP dockerd
|
