最近的工作和学习需要我使用docker，浅浅的学了一下，记录在这：下载docker镜像，用docker打包我的项目和环境，让docker使用宿主机器的GPU环境，将数据挂载在docker容器内，保存一个新的镜像等。最后加一个我的docker重启小妙招。

我想说：docker下载你真是害人不浅！（虽然如果下好了确实也挺好用的！），好了还是言归正传：

什么是 Docker？

Docker 使用容器技术，将应用程序及其所有依赖项（如库、配置文件等）打包到一个轻量级、可移植的容器中。这些容器能够在各种环境中快速部署和运行，无需担心环境差异。

安装docker我这里不写了，因为我没安装过，我是用的机器本来就有docker。

拉取docker镜像

使用以下命令从 Docker Hub 或其他注册表中拉取镜像：

docker pull <镜像名称>:<标签>

这里因为网络的原因十分的坑，我是使用了一个docker的镜像源才拉成功几个镜像的，这里分享一下：https://docker.1ms.run，不过这东西似乎很容易过期，用的时候再找吧。添加镜像源需要你进入修改本地的/etc/docker/daemon.json文件，在"registry-mirrors"字段内添加镜像的地址，如：

{"registry-mirrors": ["https://docker.1ms.run"]}

然后重启docker：

systemctl daemon-reload
systemctl restart docker

再使用docker pull的方法拉取镜像就好了（现实远没有这么简单。。。）拉取镜像成功后，可通过docker images查看本地已有那些镜像，通过docker rmi <镜像ID或名称>可删除镜像 。

镜像和容器的区别

上面说了镜像的拉取，删除，查看，下面说容器操作，首先说说镜像和容器的区别：

1. Docker 镜像是一个只读的模板，用于创建容器。它包含运行应用程序所需的所有内容，如操作系统环境（如 Linux 文件系统）、应用程序文件和依赖项。、配置文件和启动命令等

2. 容器是基于镜像运行的实例。它是一个轻量级的、独立的运行环境，可以看作是镜像的动态副本。

还是很容易的懂的，跑个例子就都懂了，好，下面说容器常见指令：

通过docker ps查看运行中的容器，通过docker stop <容器ID或名称>停止容器。

1. 下面是如何运行一个容器：

docker run --name test -idt docker.1ms.run/continuumio/miniconda3

这里的test是我定义的容器名，docker.1ms.run/continuumio/miniconda3是使用的镜像名，参数 -idt 是为了启动一个后台运行的交互式容器，同时保留终端分配支持，此参数还有选择，见个人偏好。这样启动容器后，可执行docker exec -it <容器ID/名字> /bin/bash进入该容器。

2. docker cp 用于在本地主机和容器之间复制文件或目录：

1） 从容器中复制文件到主机

假设容器名称是 my-container，容器内的路径是 /app/data.txt，复制到主机的 /home/user 目录：

docker cp my-container:/app/data.txt /home/user/

2） 从主机复制文件到容器

将主机上的文件 /home/user/config.json 复制到容器 my-container 的 /app/ 目录：

docker cp /home/user/config.json my-container:/app/

比如我这次是下面了一个conda环境的镜像，然后将本地的一个conda的虚拟环境上传到容器中，我使用了以下指令将我的环境copy过去，然后再进入容器里，conda env list就可以看见llama_factory环境了，地址在/opt/conda/envs/llama_factory，这里有一个注意点，就是pip的设置，本地的/home/user/.conda/envs/llama_factory/bin/pip里设置了pip使用的地址是#!/home/user/.conda/envs/llama_factory/bin/python，所以复制到容器还是这样，因此要在容器里打开对应的/opt/conda/envs/llama_factory/bin/pip改一下pip使用的地址为#!//opt/conda/envs/llama_factory/bin/python。

docker cp /home/user/.conda/envs/llama_factory my-container:/opt/conda/envs

3. 让 Docker 容器使用本地 GPU 环境

要让 Docker 容器使用本地 GPU 环境，需要本地安装 NVIDIA 提供的 NVIDIA Container Toolkit，当然你本地的机器必须有显卡。有一个网站可以提供安装的简便方法，亲测可用：NVIDIA Container 运行时库

我是centos系统，所以用yum安装，亲测飞快！

然后在启动容器时使用加上--gpus参数即可，如下：

docker run --gpus all <镜像名称>

--gpus all是指让容器使用宿主机的所有 GPU。如果需要指定 GPU，例如 GPU ID 为 0，可执行docker run --gpus '"device=0"' <镜像名称>。

4. 本地数据挂载在容器上

在 docker 中，挂载本地数据到容器可以通过 数据卷（Volumes） 或 绑定挂载（Bind Mounts） 实现。这样，主机上的目录或文件可以映射到容器中，达到共享数据的目的。我这里使用的是绑定挂载 (Bind Mounts)，直接将主机上的文件或目录挂载到容器中的文件系统位置，使用起来灵活且简单。

docker run -v <主机路径>:<容器路径> <镜像>

如将主机的 /home/user/data 目录挂载到容器的 /app/data 目录：

docker run -v /home/user/data:/app/data my-image

我有一个将本地文件夹挂载在容器上，并使用本地GPU环境的启动容器指令：

docker run --gpus all -d --name container_name -v ./home/user/data:/app/data my-image  tail -f /dev/null 

这里的 tail -f /dev/null 是一个保持容器运行的“占位命令”，可防止容器在启动后立即退出。

5. 创建镜像并保存成压缩包

docker commit 用于 创建镜像，它将一个容器的当前状态保存为一个新的镜像。可以理解为从正在运行的容器中“拍照”并生成新的镜像。

docker commit <容器ID> <新镜像名称>:<标签>

docker save 用于将 Docker 镜像导出为 一个 tar 文件，通常用于备份、分享或迁移镜像。生成的 tar 文件包含镜像的所有层信息，可以传输给其他机器并在其上加载。

docker save -o <tar文件名>.tar <镜像名称>:<标签>

6. 最后，说一个docker重启小妙招

下面的指令顺序执行，缺一不可

systemctl stop firewalld.service
rm -rf /var/lib/docker/network
systemctl stop docker
systemctl stop docker.socket
systemctl start docker# if start not successsystemctl reset-failed docker.servicesystemctl start dockersystemctl start firewalld.service
iptables-restore < /etc/iptables/rules.v4
iptables -S
docker ps -a