Docker的前世今生【面试必看】
ztj100 2024-12-09 19:15 13 浏览 0 评论
Docker 是一个开源的容器化平台,可以帮助开发者自动化应用的部署、扩展和管理。通过Docker,开发者能够将应用及其所有依赖项打包成一个轻量级的容器,从而确保应用在不同环境中的一致性和可移植性。
Docker的核心概念:
- 容器(Container):
- 容器是轻量级的、独立的可执行软件包,包含了运行应用所需的所有代码、库和依赖项。每个容器在系统中相互隔离,并且与宿主操作系统保持隔离。
- 镜像(Image):
- 镜像是一个只读的模板,用于创建容器。镜像通常包含应用程序及其所有依赖项,是容器的构建基础。你可以把镜像当作容器的蓝图。
- Dockerfile:
- Dockerfile 是一个文本文件,包含了一系列指令,用于自动化构建Docker镜像。它定义了如何安装依赖、复制文件、配置环境等步骤。
- Docker Hub:
- Docker Hub 是一个公共的云端镜像仓库,你可以从Docker Hub中拉取公共镜像,或者将自己的镜像上传到Docker Hub,方便共享和分发。
- Docker Compose:
- Docker Compose 是一个工具,用于定义和管理多容器Docker应用。通过一个 docker-compose.yml 文件,你可以在一个命令下启动多个服务容器,方便进行集成测试和部署。
常用的Docker命令:
- docker run:启动一个容器,如果镜像不存在,会自动从Docker Hub拉取镜像。
- docker run -d --name mycontainer myimage
- docker build:根据Dockerfile构建镜像。
- docker build -t myimage .
- docker ps:列出正在运行的容器。
- docker ps
- docker stop:停止一个正在运行的容器。
- docker stop mycontainer
- docker logs:查看容器的日志输出。
- docker logs mycontainer
- docker exec:在正在运行的容器内执行命令。
- docker exec -it mycontainer /bin/bash
- docker-compose up:启动由 docker-compose.yml 文件定义的多容器应用。
- docker-compose up
- docker-compose down:停止并删除由 docker-compose.yml 文件定义的容器、网络和卷。
- docker-compose down
为什么使用Docker?
- 可移植性:Docker容器可以在任何安装了Docker的系统上运行,无论底层的操作系统是什么。
- 隔离性:每个容器相互隔离,避免了依赖冲突和环境不一致的问题。
- 一致性:通过Docker,开发、测试和生产环境可以保持一致,减少“在我机器上能跑”的问题。
- 可扩展性:Docker非常适合与Kubernetes、Docker Swarm等编排工具一起使用,用于跨多个服务器扩展应用。
一个典型的Docker工作流:
- 创建Dockerfile:定义应用和环境的构建方式。
- 构建镜像:使用 docker build 构建镜像。
- 启动容器:使用 docker run 从镜像启动容器。
- 如果有多个服务需要协作,可以在 docker-compose.yml 文件中定义服务,并通过 docker-compose up 管理这些服务。
使用Docker
使用Docker的流程大致可以分为以下几个步骤:从安装Docker,到构建镜像、运行容器、使用Docker Compose管理多容器应用。接下来我将详细讲解这些步骤。
1. 安装Docker
首先,你需要在你的计算机上安装Docker。Docker支持多种操作系统,包括Linux、macOS和Windows。你可以根据你的操作系统选择相应的安装步骤。
Linux(以Ubuntu为例)
# 更新APT索引
sudo apt-get update
# 安装必要的软件包
sudo apt-get install apt-transport-https ca-certificates curl software-properties-common
# 添加Docker的官方GPG密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
# 设置Docker的稳定版本源
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
# 更新APT索引
sudo apt-get update
# 安装Docker CE(Community Edition)
sudo apt-get install docker-ce
# 启动Docker服务
sudo systemctl start docker
# 设置开机启动Docker
sudo systemctl enable docker
# 验证安装是否成功
sudo docker --version
查看全部
macOS和Windows
- 可以通过Docker官方提供的Docker Desktop下载安装包。
- 安装完成后,你可以通过图形化界面来管理Docker,或通过命令行工具(Terminal/PowerShell)来操作。
2. 基本命令
安装完成后,你可以使用Docker的命令行工具(docker)来操作容器。以下是一些常用的Docker命令:
查看Docker版本
docker --version
拉取(下载)镜像
从Docker Hub(或其他镜像仓库)拉取镜像。比如拉取官方的 nginx 镜像:
docker pull nginx
运行容器
从拉取的镜像中运行一个容器。例如,运行 nginx 容器:
docker run -d -p 8080:80 --name mynginx nginx
这里的 -d 参数表示后台运行容器,-p 参数将宿主机的端口 8080 映射到容器的端口 80。--name 参数用来指定容器的名称。
查看正在运行的容器
docker ps
这个命令会列出所有正在运行的容器。
停止容器
docker stop mynginx
删除容器
docker rm mynginx
这将删除一个已停止的容器。
查看容器日志
docker logs mynginx
进入容器的命令行
如果你想进入容器内部,可以使用 docker exec 命令:
docker exec -it mynginx /bin/bash
这会启动一个交互式的Bash shell。
3. 构建和管理Docker镜像
你可以通过 Dockerfile 来定义镜像的构建过程。一个简单的 Dockerfile 例子如下:
创建一个Dockerfile
假设你想要构建一个运行Python应用的镜像。你可以创建一个 Dockerfile 文件,内容如下:
# 使用官方的Python镜像作为基础镜像
FROM python:3.8-slim
# 设置工作目录
WORKDIR /app
# 将当前目录的代码复制到容器中
COPY . /app
# 安装依赖
RUN pip install -r requirements.txt
# 设置容器启动命令
CMD ["python", "app.py"]
构建镜像
在包含 Dockerfile 的目录中,运行以下命令来构建镜像:
docker build -t my-python-app .
这会根据 Dockerfile 构建一个名为 my-python-app 的镜像。
运行镜像
构建完成后,可以运行这个镜像:
docker run -d --name mypythonapp my-python-app
4. 使用Docker Compose管理多容器应用
如果你的应用涉及多个服务(例如数据库、缓存、Web应用等),你可以使用 docker-compose.yml 文件来定义这些服务并启动它们。Docker Compose 是一个工具,用于定义和运行多容器Docker应用。
安装Docker Compose
Docker Compose 通常会随Docker一起安装。如果没有安装,可以使用以下命令安装:
sudo curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose
创建docker-compose.yml文件
假设你需要运行一个Web应用和一个数据库,创建一个 docker-compose.yml 文件,内容如下:
version: '3'
services:
web:
image: my-python-app
ports:
- "5000:5000"
db:
image: postgres
environment:
POSTGRES_USER: user
POSTGRES_PASSWORD: password
启动应用
在 docker-compose.yml 文件所在的目录中,运行以下命令来启动所有服务:
docker-compose up -d
查看应用状态
查看运行中的容器和服务状态:
docker-compose ps
停止应用
docker-compose down
5. 删除镜像和容器
- 删除镜像:
- docker rmi my-python-app
- 删除未使用的容器和镜像:
- docker system prune
这将删除所有停止的容器、未使用的网络、悬挂的镜像等。
小结
使用Docker的步骤通常是:
- 安装Docker。
- 使用 docker pull 拉取镜像。
- 使用 docker run 启动容器。
- 使用 Dockerfile 创建自定义镜像。
- 使用 docker-compose 管理多容器应用。
相关推荐
- 再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)
-
在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...
- python创建分类器小结(pytorch分类数据集创建)
-
简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...
- matplotlib——绘制散点图(matplotlib散点图颜色和图例)
-
绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...
- python实现实时绘制数据(python如何绘制)
-
方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...
- 简单学Python——matplotlib库3——绘制散点图
-
前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...
- 数据分析-相关性分析可视化(相关性分析数据处理)
-
前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...
- 免费Python机器学习课程一:线性回归算法
-
学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...
- 用Python进行机器学习(2)之逻辑回归
-
前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...
- 【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂
-
一、拟合和回归的区别拟合...
- 推荐2个十分好用的pandas数据探索分析神器
-
作者:俊欣来源:关于数据分析与可视化...
- 向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- 用Python进行机器学习(11)-主成分分析PCA
-
我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...
- 神经网络基础深度解析:从感知机到反向传播
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- Python实现基于机器学习的RFM模型
-
CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)