zoukankan      html  css  js  c++  java
  • 【Docker】:镜像文件操作

    笔者因为在工作当中需要使用Docker来将机器学习和深度学习的算法部署到云端,因此开始Docker的学习。机器学习当中常常使用Docker来进行环境的部署,而深度学习则可以采用NVdocker,都是很不错的选择。

    一.拉取镜像到本地

    一般情况下我们都在docker.hub这个网站下拉取(pull)镜像(image)到本地(local)上进行运行。这个网站相当于是docker的一个中央仓库,储存了docker当中的各种镜像文件,我们都可以从这里进行下载。打开这个网站,如下所示:

    备注:什么是镜像文件?

    回答:一种已经配置好的某种软件环境,我们下载下来就可以直接使用这种环境,而无需自己再次进行配置,众所周知,配置环境对程序员来说是一种很烦心的事情。比如mysql的环境,tomcat的环境,等等等等。

    问题2:什么是容器?

    回答:已经正在运行的镜像文件就叫做容器,没运行的镜像就还叫做镜像。

     好了,然后我们往下拉这个界面,点击see all official images,然后搜索tomcat,这里就中央仓库当中的所有镜像文件了,搜索过后的结果如下图所示:

     在这个图的右下角出现了docker在linux下安装的命令,因此我们复制它,在前面加上sudo命令利用管理员权限在linux下运行,笔者因为在海外,这里是没有墙的,因此可以快速下载,不需要国内的各种网站来下载,代码如下:

    sudo docker pull tomcat

    运行命令之后linux系统如下所示:

     然后查看当前已经下载的镜像:

    sudo docker images

    发现tomcat已经在其中了,如下所示:

     然后我们删除其中的image,“hello-world”,使用命令:

    sudo docker rmi -f bf

    rmi:表示删除的意思

    -f:强制删除,如果不能删除再加上这个参数

    bf:仔细看上图可以发现hello world 的image id 为:bf756f....,因此加上这个表示我们要删除的是哪一个image,可以简写,假设没有重复的话

    删除之后重新查看当前的images如下:

     发现果然helloworld没了。

    二.将已经拉取到本地的image,进行加载和运行

    我们可以使用以下命令对image进行导出,导出之后才可以进行加载:

    sudo docker save -o 导出的路径 镜像的ID

    我们现在来加载刚才的这个tomcat环境:

    sudo docker save -o ./tomcat f7

    删除掉刚才拉pull进来的tomcat的image,只剩下我们导出(derive)的image:

    sudo docker rmi -f f7

    将已经导出的image加载进来:

    sudo docker load -i tomcat

    现在我们肯定没有之前pull下来的image文件了,因此如果出现了相同的tomcat 的image文件说明肯定是我们导出来再加载进来的而不是之前pull下来的那个image文件,因此我们输入命令查看当前的images有哪些:

    sudo docker images

    如下图所示:

     最后发现我们的tomcat的环境的名称为None,为了后续我们方便使用,因此使用tag关键字对tomcat的none进行重新命名为tomcat,同时其tag命名为8.5,表示版本为8.5,代码如下:

    sudo docker tag f7 tomcat:8.5

    这就是有关镜像文件image的所有操作啦!

  • 相关阅读:
    LVS基于DR模式负载均衡的配置
    Linux源码安装mysql 5.6.12 (cmake编译)
    HOSt ip is not allowed to connect to this MySql server
    zoj 3229 Shoot the Bullet(无源汇上下界最大流)
    hdu 3987 Harry Potter and the Forbidden Forest 求割边最少的最小割
    poj 2391 Ombrophobic Bovines(最大流+floyd+二分)
    URAL 1430 Crime and Punishment
    hdu 2048 神、上帝以及老天爷(错排)
    hdu 3367 Pseudoforest(最大生成树)
    FOJ 1683 纪念SlingShot(矩阵快速幂)
  • 原文地址:https://www.cnblogs.com/geeksongs/p/13699838.html
Copyright © 2011-2022 走看看