Docker 是一种轻量级的容器化技术，使得应用程序和它们的依赖可以被打包到一个容器中，方便在不同环境中运行。Dockerfile 是用于定义 Docker 镜像的文本文件，其中包含了一系列的指令，这些指令描述了镜像中应该包含哪些内容和如何配置。





![在这里插入图片描述](/static/img/images/03666.png)


## 1. 准备工作

在开始编写 Dockerfile 之前，确保你已经在系统中安装了 Docker。你可以从 [Docker 官方网站](https://www.docker.com/get-started) 获取安装步骤，或者阅读这里：[https://blog.csdn.net/x1131230123/article/details/118032295](https://blog.csdn.net/x1131230123/article/details/118032295)。

## 2. 创建 Dockerfile

首先，创建一个空的目录用于存放 Dockerfile 和相关文件。在该目录下创建一个文本文件并命名为 `Dockerfile`。

## 3. 编写基本结构

一个简单的 Dockerfile 通常包含以下基本结构：

```bash
# 使用基础镜像
FROM base_image:tag
# 维护者信息
MAINTAINER your_name
# 设置工作目录
WORKDIR /app
# 复制本地文件到容器中
COPY ./local_files /app
# 安装依赖
RUN apt-get update && apt-get install -y dependency_package
# 暴露端口
EXPOSE 8080
# 定义启动命令
CMD ["command_to_run"]
```

以上是一个简单的 Dockerfile，接下来我们逐步介绍每个指令的作用。

## 4. 指令详解

### FROM

`FROM` 指令用于指定基础镜像，即你的应用程序将在其基础上构建。可以选择官方镜像，也可以选择其他已有的镜像。例如：

```dockerfile
FROM ubuntu:20.04
```

### MAINTAINER

`MAINTAINER` 指令用于设置维护者的信息。

```dockerfile
MAINTAINER Your Name <your.email@example.com>
```

### WORKDIR

`WORKDIR` 指令用于设置工作目录，即在容器中执行后续指令时的工作目录。

```dockerfile
WORKDIR /app
```

### COPY

`COPY` 指令用于将本地文件复制到容器中。可以复制单个文件，也可以复制整个目录。

```dockerfile
COPY ./local_files /app
```

### RUN

`RUN` 指令用于在镜像中执行命令，例如安装依赖。

```dockerfile
RUN apt-get update && apt-get install -y dependency_package
```

### EXPOSE

`EXPOSE` 指令用于声明容器运行时将监听的端口。这只是一个元数据，实际运行时需要使用 `-p` 选项映射端口。

```dockerfile
EXPOSE 8080
```

### CMD

`CMD` 指令用于定义容器启动时执行的默认命令。

```dockerfile
CMD ["command_to_run"]
```

## 5. 实战演练

接下来，我们通过一个简单的 Node.js 应用演示如何编写 Dockerfile。

```dockerfile
FROM node:14
WORKDIR /app
COPY package.json package-lock.json /app/
RUN npm install
COPY . /app/
EXPOSE 3000
CMD ["npm", "start"]
```

在上述示例中，我们使用 Node.js 的官方镜像作为基础镜像，设置工作目录，复制 `package.json` 和 `package-lock.json` 安装依赖，复制所有文件到工作目录，声明监听端口为 3000，并定义启动命令为 `npm start`。

## 6. 构建镜像和运行容器

保存好 Dockerfile 后，可以使用以下命令构建镜像。在Docker中，`docker build -t my-node-app .` 中的小数点代表当前上下文的路径。这个路径是构建过程中 Docker 引擎查找 `Dockerfile` 和其他构建上下文的文件的位置。

具体来说，`docker build` 命令会将指定的路径（这里是小数点 `.`）作为构建上下文。构建上下文是构建过程中用来查找 `Dockerfile` 和其他构建文件的目录。在这个例子中，`.` 表示当前目录，即你运行 `docker build` 命令的目录。

当你运行 `docker build -t my-node-app .` 时，Docker 引擎会在当前目录下寻找 `Dockerfile` 文件，并将该目录及其所有内容作为构建上下文。这样，`Dockerfile` 就能够引用当前目录中的文件，并将它们添加到 Docker 镜像中。在给定目录之外的文件是不能通过Docker指令操作的，比如想用COPY去拷贝别的目录的文件到镜像中。

```bash
docker build -t my-node-app .
```

然后，可以运行容器：

```bash
docker run -p 3000:3000 my-node-app
```

现在，你的 Node.js 应用将在 Docker 容器中运行，并可以通过 [http://localhost:3000](http://localhost:3000) 访问。



 # `CMD` 和 `ENTRYPOINT` 之间的区别

## CMD 指令

`CMD` 指令用于定义容器启动时执行的默认命令。它有以下几种形式：

1. **CMD ["executable","param1","param2"] (exec 格式，推荐)**: 在指定的可执行文件内运行参数。

   

   ```dockerfile
   CMD ["npm", "start"]
   ```

2. **CMD ["param1","param2"] (作为 ENTRYPOINT 的默认参数)**: 提供给 ENTRYPOINT 指令的默认参数。

   

   ```dockerfile
   CMD ["npm", "start"]
   ```

3. **CMD command param1 param2 (shell 格式)**: 在 `/bin/sh -c` 中执行命令。

   ```dockerfile
   CMD npm start
   ```

`CMD` 的主要作用是为容器提供默认的执行命令，但可以被在运行容器时指定的命令覆盖。

## ENTRYPOINT 指令

`ENTRYPOINT` 指令用于配置容器启动时执行的默认可执行文件。它有以下几种形式：

1. **ENTRYPOINT ["executable", "param1", "param2"] (exec 格式，推荐)**: 在指定的可执行文件内运行参数。

   ```dockerfile
   ENTRYPOINT ["npm", "start"]
   ```

2. **ENTRYPOINT command param1 param2 (shell 格式)**: 在 `/bin/sh -c` 中执行命令。

   ```dockerfile
   ENTRYPOINT npm start
   ```

使用 `ENTRYPOINT` 的主要目的是将容器配置为像可执行程序一样运行。它的参数可以被 `CMD` 覆盖，但不会被完全替代。如果给 `docker run` 提供了参数，它们将追加到 `ENTRYPOINT` 的参数之后。

## 区别总结

- `CMD` 提供容器默认的执行命令，可以被运行容器时传入的命令覆盖。

- `ENTRYPOINT` 配置容器启动时执行的默认可执行文件，可以被运行容器时传入的命令追加到其参数之后。

综合来说，`CMD` 通常用于提供应用的默认启动命令，而 `ENTRYPOINT` 通常用于配置容器以类似可执行程序的方式运行。你也可以同时使用它们，以 `ENTRYPOINT` 提供基础执行文件，而 `CMD` 提供默认参数。

【Docker】如何编写Dockerfile，深入理解 Dockerfile：构建精简且高效的容器镜像

要删除所有没有名字的Docker镜像，您可以使用以下命令：





```bash
docker images -q -f dangling=true | xargs docker rmi
```

这个命令的步骤如下：

1. `docker images -q -f dangling=true`：该部分命令会列出所有没有名字（没有标签）的镜像的ID。 `-q` 标志表示只显示镜像ID，而不是完整的信息，而 `-f dangling=true` 表示只显示没有关联到任何容器的镜像。

2. `|`：这个符号是管道操作符，它将第一个命令的输出传递给下一个命令。

3. `xargs docker rmi`：`xargs` 命令将上一个命令的输出作为参数传递给 `docker rmi` 命令，从而删除这些镜像。

请注意，删除镜像是一个潜在的危险操作，因为这些镜像可能被其他容器使用。确保您真的希望删除这些没有名字的镜像，以避免对正在运行的容器产生负面影响。

Docker 如何删除所有没有名字的镜像

在Docker中，可以使用docker history命令查看镜像的历史记录。然而，默认情况下，docker history命令的输出是以简洁模式显示的，可能会省略一些细节。要显示更详细的信息，您可以使用docker history --no-trunc命令。这将显示完整的镜像历史记录，而不会进行任何截断或缩略。





以下是使用docker history --no-trunc命令的示例：

bash

```clike
docker history --no-trunc <IMAGE_ID>
```

将<IMAGE_ID>替换为您要查看历史记录的镜像的ID。执行此命令后，将显示完整的镜像历史记录，包括每个层的详细信息。

请注意，docker history命令还可以与其他选项一起使用，例如--quiet（仅显示镜像ID）或--format（使用自定义格式显示历史记录）。您可以根据需要进一步调整命令的输出。

如何让docker history出来的东西不缩略显示，不截断

有一个nfs盘挂载到本机，本机docker想用这个nfs盘存储。





此时docker自动用起了devicemapper 。

docker 用 devicemapper 这个后备存储有个默认卷的限制，是10g。现在都用overlay2了。

##  dd

解决，首先在nfs盘里面dd出一个500G大文件系统出来：
```
 dd if=/dev/zero of=/home/kevin_xie/yifeinfs/docker.data bs=1G count=500
```

```
dd 用来复制、抽取、转换文件，这里复制、抽取的大小可以以具体的块数指定，同时复制的时候可以进行编码或格式转换；
dd 的主要选项：
if=file                 输入文件名，这里的文件不能是目录；
of=file                输出文件名，这里的文件不能是目录；    
ibs=bytes         读入多少个字节，在这里就是指定块的大小，即输入缓冲区 的大小；
obs=bytes        一 次读入多少个字节，在这里就是指定块的大小，即输出缓冲区的大小；
bs=bytes          同时设置读写块的大小，可代替 ibs 和 obs；
cbs=bytes         一次转换多少个个字节，即转换缓冲区大；
skip=blocks      从输入文件开头跳过多少个块后再开始复制，也就是指定都从哪里开始复制；
seek=blocks     从输出文件开头跳过多少个块后再开始复制，也就是指定目的文件要空多少个块才开始写入(通常只有当输出文件是磁盘或磁带时才有效)
count=blocks     拷贝输入文件的多少个块；
conv=conversion[,conversion...]  指定格式转换的参数
ascii                转换 EBCDIC 为 ASCII；
ebcdic             转换 ASCII 为 EBCDIC；
ibm                  转换 ASCII 为 alternate EBCDIC；
block              把每一行转换为长度为 cbs 的记录，不足部分用空格填充；
unblock          使每一行的长度都为 cbs ，不足部分用空格填充；     
lcase               把大写字符转换为小写字符；
ucase              把小写字符转换为大写字符；
noerror            出错时不停止；
notrunc            不截断输出文件；
sync 把每个块都写满，数据不足的部分用空字符填充；
```

##  格式化dd出来的大文件

把大文件格式化为xfs文件系统：
```
mkfs.xfs docker.data
```


不小心弄错了就用这个指令强制覆盖成xfs文件系统：
```
 mkfs -t xfs -f docker.data
```

-t 　　 指定文件系统类型（如ext2，ext3，ext4等等），则会从/etc/mke2fs.conf文件中读取默认配置

-f 　　 强制覆盖


##  挂载

然后把这个大文件系统挂载到/var/lib/docker/下面去，之后在/var/lib/docker/产生的文件就会实际存储在docker.data里面去。
```
mount /home/kevin_xie/yifeinfs/docker.data /var/lib/docker/
```

![在这里插入图片描述](/static/img/images/00181.png)

Docker no space left on device 10G限制 nfs块 devicemapper

docker run 的时候增加参数 `--storage-opt size=30G`




```
docker run -it --gpus all --storage-opt size=30G kevinchina/deeplearning:cuda10.1pytorch1.7.1baseenv0.1 bash
```

> 设置容器磁盘大小 在 docker 启动时候 加载参数 --storage-opt dm.basesize=100G 用来调整默认容器的

> rootfs大小； 在创建容器的时候使用参数--storage-opt size=30G来设置改容器的 rootfs 大小。

> 

> 作者：momo1023 链接：https://www.jianshu.com/p/d984723d9b31 来源：简书

> 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

docker 容器 磁盘 10G 限制 大小

# cpu





miniconda3的一个基础镜像，其中安装fastapi和opencv。

kevinchina/deeplearning:miniconda3base0.2
```shell
FROM kevinchina/deeplearning:wrfbaseenv
COPY deps /deps
RUN rm -rf /etc/yum.repos.d/* && \
    cp /deps/CentOS-Base.repo /etc/yum.repos.d/ && \
    yum clean all
RUN yum install wget opencv -y
RUN wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /tmp/conda.sh && \
    /bin/bash /tmp/conda.sh -b && \
    cp -f /deps/.condarc ~/ && rm /tmp/conda.sh
ENV PATH ~/miniconda3/bin:$PATH
RUN ~/miniconda3/bin/conda init bash && \
    . ~/.bashrc && \
    conda create -n py38 python=3.8.12 -y
RUN . ~/.bashrc && \
    conda activate py38 && \
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U && \
    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \
    pip install fastapi uvicorn python-multipart requests opencv-python numpy
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
```

在上一个基础上，安装pytorch cpu版本 1.8

kevinchina/deeplearning:miniconda3base0.3
```shell
FROM kevinchina/deeplearning:miniconda3base0.2
RUN . ~/.bashrc && conda activate py38 && conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly -c pytorch
```

在上一个基础上，安装 yolo需求的包， 创建app文件夹。

成为 ： kevinchina/deeplearning:miniconda3base0.6
```
FROM kevinchina/deeplearning:miniconda3base0.3
RUN mkdir /app
WORKDIR /app
COPY requirements.txt .
COPY deps/Arial.ttf /root/.config/Ultralytics/Arial.ttf
RUN . ~/.bashrc && conda activate py38 && pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U
RUN . ~/.bashrc && conda activate py38 && pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
RUN . ~/.bashrc && conda activate py38 && pip install -r requirements.txt
```

```
matplotlib>=3.2.2
Pillow
PyYAML==5.3.1
scipy>=1.4.1
tqdm>=4.41.0
seaborn>=0.11.0
pandas
Shapely==1.8.0
numpy==1.19.2
tensorboard
```



# selenium

在kevinchina/deeplearning:miniconda3base0.2基础上装selenium

kevinchina/deeplearning:miniconda3base0.5
```shell
FROM kevinchina/deeplearning:miniconda3base0.2
RUN . ~/.bashrc && \
    conda activate py38 && \
    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U && \
    pip install  pandas requests selenium
```



# GPU CUDA11.1  pytorch1.8

cuda11.1+pytorch1.8+opencv

kevinchina/deeplearning:cuda11.1pytorch1.8baseenv0.1
```shell
FROM kevinchina/deeplearning:cuda11.1pytorch1.8baseenv
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
```

下面是kevinchina/deeplearning:cuda11.1pytorch1.8baseenv0.5：

将目前YOLOv5需要的环境安装了起来。
```
FROM kevinchina/deeplearning:cuda11.1pytorch1.8baseenv0.1
RUN mkdir /app
WORKDIR /app
COPY requirements.txt .
RUN . ~/.bashrc && conda activate py38 && pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U
RUN . ~/.bashrc && conda activate py38 && pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
COPY deps/Arial.ttf /root/.config/Ultralytics/Arial.ttf
RUN . ~/.bashrc && conda activate py38 && pip install numpy==1.19.2 wandb  tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple
```

```
matplotlib>=3.2.2
Pillow
PyYAML==5.3.1
scipy>=1.4.1
tqdm>=4.41.0
seaborn>=0.11.0
pandas
Shapely==1.8.0
numpy==1.19.2
tensorboard
```

# GPU CUDA10.2 pytorch1.8

cuda10.2+pytorch1.8+opencv

kevinchina/deeplearning:cuda10.2pytorch1.8baseenv0.1
```shell
FROM nvidia/cuda:10.2-cudnn7-devel-centos7
COPY deps /deps
RUN rm -rf /etc/yum.repos.d/* && cp /deps/CentOS-Base.repo /etc/yum.repos.d/ && yum clean all
RUN yum install wget opencv vim -y
RUN wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /tmp/conda.sh && \
    bash /tmp/conda.sh -b && rm /tmp/conda.sh && \
    cp -f /deps/.condarc /root/
RUN ~/miniconda3/bin/conda init bash && . ~/.bashrc && conda create -n py38 python=3.8.12 -y
RUN . ~/.bashrc && conda activate py38 && pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U && pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && pip install fastapi uvicorn python-multipart requests opencv-python numpy
RUN . ~/.bashrc && conda activate py38 && conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch -y
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
```

# GPU CUDA10.2   pytorch1.6.0

```shell
FROM nvidia/cuda:10.2-cudnn7-devel-centos7
COPY deps /deps
RUN rm -rf /etc/yum.repos.d/* && cp /deps/CentOS-Base.repo /etc/yum.repos.d/ && yum clean all
RUN yum install wget opencv vim -y
RUN wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /tmp/conda.sh && \
    bash /tmp/conda.sh -b && rm /tmp/conda.sh && \
    cp -f /deps/.condarc /root/
RUN ~/miniconda3/bin/conda init bash && . ~/.bashrc && conda create -n py38 python=3.8.12 -y
RUN . ~/.bashrc && conda activate py38 && pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U && pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && pip install fastapi uvicorn python-multipart requests opencv-python numpy
RUN . ~/.bashrc && conda activate py38 && conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
```


# GPU CUDA10.1 pytorch1.7.1

cuda10.1+pytorch1.7.1+opencv

kevinchina/deeplearning:cuda10.1pytorch1.7.1baseenv0.1

```shell
FROM nvidia/cuda:10.1-cudnn7-devel-centos7
COPY deps /deps
RUN rm -rf /etc/yum.repos.d/* && cp /deps/CentOS-Base.repo /etc/yum.repos.d/ && yum clean all
RUN yum install wget opencv vim -y
RUN wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /tmp/conda.sh && \
    bash /tmp/conda.sh -b && rm /tmp/conda.sh && \
    cp -f /deps/.condarc /root/
RUN ~/miniconda3/bin/conda init bash && . ~/.bashrc && conda create -n py38 python=3.8.12 -y
RUN . ~/.bashrc && conda activate py38 && pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U && pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && pip install fastapi uvicorn python-multipart requests opencv-python numpy
RUN . ~/.bashrc && conda activate py38 && conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch -y
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
```

加一些库，加个VGG16的权重进去用。

kevinchina/deeplearning:cuda10.1pytorch1.7.1baseenv0.2
```
FROM kevinchina/deeplearning:cuda10.1pytorch1.7.1baseenv0.1
RUN . ~/.bashrc && conda activate py38 && pip install pymilvus pandas pillow clickhouse_driver opencv-python pillow requests
COPY vgg16-397923af.pth /root/.cache/torch/hub/checkpoints/
```

# YOLO

装了一些yolo的东西

kevinchina/deeplearning:cuda10.2torch1.8yolov0.1
```python
FROM kevinchina/deeplearning:cuda10.2pytorch1.8baseenv0.1
COPY requirements.txt .
COPY Arial.ttf /root/.config/Ultralytics/
RUN . ~/.bashrc && conda activate py38 && pip install -r requirements.txt
#pip install -r requirements.txt
# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
Pillow
PyYAML==5.3.1
requests>=2.23.0
scipy>=1.4.1
tqdm>=4.41.0
pandas
requests
fastapi
uvicorn
python-multipart
seaborn>=0.11.0
pandas
Shapely==1.8.0
opencv-python
```

# paddle OCR 

docker push kevinchina/deeplearning:paddleocr0.1
```
FROM paddlepaddle/paddle:2.2.1
RUN rm -f /etc/localtime
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U
RUN pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
RUN pip install fastapi uvicorn python-multipart requests opencv-python numpy
RUN unset GREP_OPTIONS
COPY . /PaddleOCRAI
WORKDIR /PaddleOCRAI
RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip install -r requirements.txt
RUN python setup.py install
#ENTRYPOINT nohup python ocr_fastapi_only_one.py >/ocr.log 2>&1 &
```

dockerfile 常用的环境编写 miniconda3 dockerfile python

dockerfile





COPY hl.tar.gz /wrf_env/

得到

```shell
(base) [root@fce482f7fc63 wrf_env]# ll
total 4
-rw-r--r--. 1 root root 143 Dec  9 03:35 hl.tar.gz
```

ADD hl.tar.gz /wrf_env1/

得到

```shell
(base) [root@fce482f7fc63 wrf_env1]# ll
total 0
drwxr-xr-x. 2 root root 24 Dec  9 03:32 test
(base) [root@fce482f7fc63 wrf_env1]# pwd
/wrf_env1
```

dockerfile ADD 和 COPY

centOS镜像的话，dockerfile 加一句：




```
RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone
```

Docker 容器内时区 时区对不上

[https://ivanzz1001.github.io/records/post/docker/2018/04/20/docker-harbor-architecture](https://ivanzz1001.github.io/records/post/docker/2018/04/20/docker-harbor-architecture)

Harbor整体架构

# 1docker login





去DockerHub官网建立帐号，然后创建仓库deeplearning。

本地使用docker login进行登陆。登陆成功有提示。

![在这里插入图片描述](/static/img/images/00215.png)

# 2 docker tag

更名

docker tag cpu:v1 kevinchina/deeplearning:cpuv1

# 3 docker push

上传

docker push kevinchina/deeplearning:cpuv1

等待即可：

![在这里插入图片描述](/static/img/images/00216.png)

# 阿里的Dockerhub

[https://cr.console.aliyun.com/#/imageList](https://cr.console.aliyun.com/#/imageList)