docker在ubuntu上的安装及使用

发表于 | 分类于 | 阅读次数:

2018-3-30

1.安装前的准备工作

  1. 确保是64位的操作系统
  2. 卸载旧版本的docker
    sudo apt-get remove docker docker-engine docker.io
    dockerde相关文件都在/var/lib/docker/路径下

2.使用docker仓库安装

首次安装docker时需要添加docker的仓库

  1. 更新软件源的仓库信息
    sudo apt-get update
  2. 安装包来使apt通过HTTPS来使用docker仓库
    sudo apt-get install apt-transport-https ca-certificates \
    curl software-properties-common
  3. 添加docker的官方GPG证书
    curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
    | sudo apt-key add -
    1. 验证是否添加成功带有fingerprint的key
      sudo apt-key fingerprint 0EBFCD88
    2. 添加稳定的docker仓库
      sudo add-apt-repository \
      "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
      $(lsb_release -cs) stable"

      安装docker-ce

  1. 再次更新仓库信息
    sudo apt-get update
  2. 指令安装docker
    注意:sudo apt-get install docker-ce只能安装目前最高的版本,但通常使用下面方法来选择要安装的版本
    apt-cache madison docker-ce查看目前的多个版本,结果如下:

目前docker-ce的版本
使用sudo apt-get install docker-ce=<VERSION>安装特定的版本,这里使用17.12.0版本,指令为:sudo apt-get install docker-ce=17.12.0~ce-0~ubuntu

  1. 验证安装的结果
    如果安装docker安装正确,则运行sudo docker run hello-world后输出下面结果:

docker安装成功

4.创建docker组

该操作的作用:不用每次使用docker指令时都输入sudo

  1. 创建docker组
    sudo groupadd docker创建docker组
    cat /etc/group | grep -i docker查看docker组的基本情况如下,目前该组中还没有添加用户:

enter description here
2.为docker组添加用户
sudo usermod -aG docker $USER,其中$USER表示当前的用户,再次查看docker用户组的信息如下,该组中多了个david用户(当前登录的用户):

  1. 注销登录后,用户组生效,就可以直接使用不带sudo的docker指令

enter description here

5.安装nvidia-docker来支持GPU

  1. 卸载旧版本的nvidia-docker及GPU容器
    docker volume ls -q -f driver=nvidia-docker | \
    xargs -r -I{} -n1 docker ps -q -a -f volume={} | \
    xargs -r docker rm -f
    sudo apt-get purge -y nvidia-docker
  2. 添加仓库
    • 添加key:
      curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add -
    • 获取系统版本号:
      distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
    • 添加仓库:
      curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
      sudo tee /etc/apt/sources.list.d/nvidia-docker.list
    1. 更新仓库信息
      sudo apt-get update

  3. 安装nvidia-docker2并配置docker dameon加速镜像下载

    • 安装nvidia的gpu支持:
      sudo apt-get install -y nvidia-docker2
    • 修改/etc/docker/daemon.json文件内容如下:
      1
      2
      3
      4
      5
      6
      7
      8
      9
       {
        "registry-mirrors": ["http://58167a06.m.daocloud.io"],
        "runtimes": {
              "nvidia": {
                  "path": "/usr/bin/nvidia-container-runtime",
                  "runtimeArgs": []
              }
          }
      }

    其中链接部分是使用国内的加速镜像,这里使用dalcloud的加速镜像,如果使用阿里云的加速镜像,将链接替换为https://8vntriz8.mirror.aliyuncs.com即可,该链接是在注册阿里开发者平台时生成的,具体的细节见https://www.cnblogs.com/atuotuo/p/6264800.html.

    • 重载daemon使配置生效,并重启docker:
      sudo pkill -SIGHUP dockerd
      sudo systemctl daemon-reload
      sudo systemctl restart docker

  4. 测试安装情况
    docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi会下载cuda镜像来测试

5.使用docker安装tensorflow

tensorflow镜像
使用指令nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:<mirror tag>下载并运行tag对应的镜像,这里使用tag为1.7.0-gpu-py3的镜像输出结果如下.

运行tensorflow的镜像
将最下面的链接复制到浏览器就可以打开ipython notebook并使用对应的镜像环境了.

  • 注意:首次运行上面的指令会下载对应tag的镜像,之后运行可以直接从本地读取该镜像.

  • 使用docker images查看已下载镜像信息,结果如下:

enter description here

  • 使用docker rmi -f <IMAGE ID> 删除对应ID号的镜像.

6.将主机的目录挂载到容器中

  1. 首先使用docker ps查看目前运行的容器，结果如下，使用docker kill <container ID>关闭ID号对应的容器:

enter description here

  1. 使用docker exec -it 2783ad1bf2dc /bin/bash登录该容器,其中2783ad1bf2dc为第一步的结果中看到的容器ID号,登录的结果如下:

enter description here

登录成功后,终端的用户和工作组组也随着改变,该容器的目录结构与一般的Linux相同,输入exit或使用按键ctrl + d退出登录状态.

OPTIONS说明：

  • -d :分离模式: 在后台运行
  • -i :标准输入,即使没有附加也保持STDIN 打开
    • -t :分配一个伪终端,后面必须加/bin/bash
  1. 这里将/home/david/docker/tensorflow目录挂载到1.7.0-gpu-py3容器的/notebooks/tensorflow目录下,将主机的目录挂载到容器后,修改主机的文件,容器中的文件也会同步更新,这样比较方便,操作如下:
    docker run -it -v <主机目录>:<容器挂载目录> <容器镜像> /bin/bash, -v表示挂载目录的选项;冒号前面是主机目录,后面是容器目录;最后面接容器镜像

这里的挂载目录操作:
docker run -it -v /home/david/docker/tensorflow:/notebooks/tensorflow tensorflow/tensorflow:1.7.0-gpu-py3 /bin/bash

查看挂载结果如下:

enter description here
可以看出,在容器的/notebooks目录下已经出现了tensorflow目录,并且该文件夹下已经出现了在主机目录/home/david/docker/tensorflow里的test.py文件,即目录挂载成功.

注意:使用下面指令可以一步到位!打开ipython notebook并挂载主机目录到容器.
docker run -it -v /home/david/docker/tensorflow:/notebooks/tensorflow -p 8888:8888 tensorflow/tensorflow:1.7.0-gpu-py3

运行结果:

enter description here