服務器部署docker

docker簡介##

• 可以把docker是一個容器，可以讓開發者將自己的項目部署到這個容器中，最常用的場景是將自己的后端項目部署到服務器的時候會將其打入docker鏡像中，可以理解為一個開銷更小的虛擬機。

docker好處##

• 可以輕易地讓幾十個服務在docker中跑起來，沒有誰敢說能在自己的電腦上跑幾十個虛擬機吧，
• docker可以讓開發者更加貼近生產環境，即便于測試，而且同一個鏡像可以利用在正式和測試環境節約資源
• docker可以將每個應用隔離起來，可以運行多個業務。
• docker的安全性極具保障。

docker在阿里云部署##

言歸正傳，這個博客本身就是用來將docker部署在阿里云的服務器上。
（1）擁有一臺阿里云學生機（窮）
（2）這邊推薦系統是CentOS 7.3
（3）首先登陸root賬號，這個正常人應該都會（sudo su root）
（4）接下來是輸入命令 yum install docker
（5）你可以嘗試docker -v來判斷你是否下完 docker基本命令
（6）因為我是一個后端人員，所以我偏向于用IDEA來遠程docker，這邊就需要涉及到開端口的問題了，docker在阿里云這邊得默認端口是2375，這是個大坑，如果沒踩過，這輩子都連不上，這邊推薦一個博客，Linux的方面就不再贅述。
（7）因為阿里云方面是默認防火墻不打開2375，所以你在開端口同時，需要把防火墻關掉，因為學生機，也不是很怕被爆破，所以我就默認全開了。

（8）接下來是IDEA的部分了，一般的IDEA都會集成docker，首先是配置docker

接下來嘗試連接是否成功應該能夠看到以下畫面

這樣初步就完成了docker的部署。

當然要把自己的項目部署上去還是要一個dockerfile腳本，和部分配置，由于我忙著寫lajiruangong只能以后再分享了##

• 這是我個人的興趣做出的分享，說錯得地方請私聊我，以上關于docker的見解也是我自己的理解說錯請指正。
• 預告下次分享應該是docker部署mysql。（部署項目還等下下次吧）

<p>我們通過tensorflow或者pytorch一些深度學習框架可以訓練我們自己的模型，然而在生產部署中，不可能讓程序運行在一個server上(比如簡單的包裝一個tornado或者django框架實現服務的可用)就行了。為了保證服務的高可用，一般通過docker部署模型，之后通過k8s實現集群的管理和docker鏡像的管理。</p>

?

文章會首先介紹Docker的概念，Docker的基本語法和用法，以及和Docker相關的幾個工具的介紹。

Docker是什么
　　容器與Docker
　　Docker是一種常用的容器化技術。這里的容器化和虛擬化是對應的概念，即Docker和VirtualBox等等虛擬機的效果有類似之處，但容器是更輕量化的一套隔離環境，不會額外虛擬硬件，很多資源和進程都是由宿主機直接執行，因此省了很多資源消耗，速度要比虛擬機快很多，特別適合機器學習等AI之類的計算密集型的程序隔離需求。

　　Docker的容器概念與Spring Boot的容器概念完全不同，后者是指Java代碼的一種組織形式。這兩種不同容器都與微服務有關。

為什么學Docker
　　首先給大家舉個很常見的情景。某公司新人小王去辦公室報道，公司老鳥老李吩咐小王先去把工作用到的開發環境部署好再叫他。但是小王是個萌新程序員，下載這些開發庫的地址都不知道。冗長的環境安裝手冊看的小王頭昏腦漲，更不用說里面還有些錯誤和沒寫清楚的細節。這個場景是不是很多公司都經常在上演？其實，我在很久之前就不停的想，都程序員了為什么還要看技術手冊自己安裝，難道就沒有一個可靠的技術幫我一鍵部署好嗎 ?

?

答案是，當然有！你差的就是Docker！有了他，小王只需要下載好前輩寫好的Dockerfile，只要網絡OK，就可以一鍵運行演示程序。有沒有很簡單？下面我就來拿一個Github項目來告訴你怎么樣做到。

Docker部署實例
　　下面先來看如何部署一個最簡單的圖片分類服務的Demo程序，要求圖片分類模型用深度學習框架Keras來實現，并通過flask發布模型的預測功能。下面我們就來看在Docker下的一鍵部署的過程。

?

首先，我們需要從Github上clone一份代碼，進入這個文件夾。

　　

git clone https://github.com/mtobeiyf/keras-flask-deploy-webapp.git cd keras-flask-deploy-webapp

在進入到這個文件夾后，我們不妨看一下都有什么文件：

　　

經過之前的學習，我們可以了解requirements.txt中管理了項目依賴。其他的文件中，Dockerfile是本次文章最核心的一個文件，有了他Docker才能在本地進行鏡像的構建。這里我們可以把Dockerfile中的RUN pip install一行替換為RUN pip install -r /requirements.txt -i https://mirrors.aliyun.com/pypi/simple/，通過國內鏡像來加速安裝過程。我們可以輸入下面的指令，自己構建一個測試鏡像：

　　docker build -t keras_flask_test .

　　docker build就是Docker容器的鏡像構建命令。這條命令執行后，會需要等待一段時間（主要是下載和安裝，時間取決于機器配置和網絡環境情況）。如下圖所示，在這個項目的dockerfile里定義了7步構建。我這里因為提前構建了一次，這次構建會直接從緩存中讀取，所以省略了耗時的部分。

?　　

?

?

?

只要看到上圖最后的Successfully built XXX和Successfully tagged XXX就說明已經構建成功。docker build命令的作用是讓Docker根據當前文件夾的Dockerfile內容，自動去構建名叫keras_flask_test的鏡像。我們可以來確認下是否有這個鏡像：

docker images |grep -i keras keras_flask_test latest af52f1dd1fbb 1 days ago 917MB

docker images是顯示出當前系統中存在的所有鏡像，后續加grep來搜索指定關鍵詞的鏡像。這里因為正好之前構建了下，所以是一天前的。讀者朋友如果剛剛構建好，鏡像的創建時間應該是最近。有了鏡像，我們就可以實際運行這個模型服務了：

docker run -it --rm -p 5000:5000 keras_flask_test

這里，docker run就是Docker從鏡像產生一個容器了。因為Keras自動調用了tensorflow，運行后的命令會顯示tensorflow的信息。同時，Keras也會自動下載一個mobilenetv2的輕量模型。等到一切就緒后，會提示Model loaded. Check http://127.0.0.1:5000/的信息。到這里，模型部署就已經完成了，是不是很6的感覺。我們的模型服務地址就是本機，端口號是5000

Docker鏡像與Docker容器的關系如同程序與進程一樣，鏡像是靜態的基礎，而容器是動態的實例。

這時候在瀏覽器中，打開http://127.0.0.1:5000應該能看到下圖的界面了。我們可以往中間的地方上傳一張圖片，模型會返回當前圖片的類別。大家可以玩玩，不過不要太為難這個小模型了。

?

?

?

?

Docker常用命令
　上面的例子很簡單，我們回頭總結和擴展相關的知識。先總結下Docker容器化的普遍的流程。

Docker化程序的一般流程
　　對于使用者，在得到Docker化程序的代碼后，首先，通過docker build找到Dockerfile構建鏡像。然后，docker run從鏡像產生一個容器的實例。

?

　　而對于開發者，一般在AI模型的Docker化之前，先由開發者在自己的非容器環境中開發調試好后才開始。然后開發者把自己環境的安裝配置過程，完整的移植到Dockerfile中。一般來說，Dockerfile中的命令要能復現自己的整個配置過程，才算真正完整的Docker化程序開發。開發者一般需要自己重復使用者的步驟，以確保整個過程是真正能在新環境中重現。

?

　　簡單來說，順序是：編寫Dockerfile→build→run三部曲。下面介紹這個流程相關的命令。由于Dockerfile的內容相對較多，所以暫時放在后面來說。我們先從build開始。

構建鏡像
　　構建Docker鏡像的命令是docker build，這條命令的基礎是Dockerfile文件。命令的形式為：

　　docker build [OPTIONS] PATH | URL | -

　　其中，具體的選項有很多，建議參考幫助來學習（docker build --help）。我們著重介紹一些最常見的：

作用	參數	備注
名稱標記	-t	格式為-t xxx/yyy:zzz。xxx，yyy和zzz分別是用戶名，鏡像名和標簽（版本
Dockerfile位置	-f	如果Dockerfile不在當前目錄，或者需要構建的源文件文件名不是Dockerfile，則需要指定目標文件。
環境變量	--build-arg	構建時需要的環境變量。例如設置代理解決構建時的網絡問題：--build-arg http_proxy=http://xxx:port

?

　　一個簡單的命令實例是：

docker build -t test .

這條命令就是根據當前目錄的Dockerfile內容構建名為test的鏡像，命令中最后的.表示構建的目錄路徑。

運行容器
　　運行Docker容器的命令是docker run，這條命令的基礎是引用的鏡像必須已經構建好。Docker也為運行命令準備了非常多的選項，具體可以參考幫助（docker run --help），這里先列出一部分比較常用的選項：

?　　相關參數可以自行百度

　　鏡像構建可以通過上一步的docker build，自己來完成本地的構建。大多情況下，也可以直接使用別人構建好并上傳到Dockerhub等Docker鏡像托管網站的鏡像。例如下面一條命令：

docker run -d -p 8080:80 --rm --name mynginx nginx

　　這條命令是后臺運行一個名為mynginx的nginx服務，把容器中的80端口映射為主機的8080，容器在停止時會自動刪除。假設當前系統沒有運行過這條命令，Docker會顯示出以下信息：

?　　

第一條信息表示Docker沒有找到本地的nginx;latest鏡像；第二條信息顯示從library/nginx上拉取最新的鏡像。后面都是鏡像拉取的分層進度，最后一行表示容器運行成功后返回的容器ID。

從這里，我們可以發現docker run的邏輯先搜索本地是否有構建過這個鏡像，找不到時會從遠端服務器中的倉庫拉取最新鏡像回來。這個過程非常類似Github上拉取代碼，也可以看作一種分布式。

編寫Dockerfile
Dockerfile為鏡像構建提供了具體步驟，我們來看下今天介紹的項目中的Dockerfile內容：

FROM python:3.6-slim-stretch

ADD requirements.txt /
RUN pip install -r /requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

ADD . /app
WORKDIR /app

EXPOSE 5000
CMD [ “python” , “app.py”]

其中，第一行的FROM python:3.6-slim-stretch中的FROM定義了基礎鏡像，這句表示該鏡像基于python:3.6-slim-stretch構建，新鏡像會包含基礎鏡像的所有文件。后面的EXPOSE表示鏡像的容器對外暴露什么端口，這與docker run -p xxxx:yyyy中的yyyy對應。CMD表示鏡像的容器運行后，自動執行的一條命令，類似于容器的入口命令。而剩下中間的許多行，則是構建鏡像中需要的具體指令。

?

完結.

分類: NLP, 云計算 虛擬化 容器

總結

以上是生活随笔為你收集整理的服务器部署docker的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。