docker 总结

docker 总结

之前大体上玩儿过,但是一直没有完整的使用过;这次借着天池的一个新人赛 【入门】Docker练习场,梳理了一下docke的基本操作。

window下docker解决方案

  • docker对于unix是比较友好的,无需累述;docker在windows下一直没有好的解决方案,今天花了一天的时间终于找到了最好的解决方案,并且完成了比赛。
  • 的目前为止最好的解决方案还是docker for windows,之前的解决方案可能是VM、或者win10子系统WSL里的docker,wsl虽然很方便也有方法能起来docker,但是很容易碰见这样那样的问题,docker守护进程方面很难弄。之所以说docker for windows是最好的解决方案是因为他的新版本解决了对于hyper-v的依赖,使得他自己与VM等不会发生冲突,这就解决了他之前最大的弊端,使用起来没有复杂的障碍与冲突。详细的进步在知乎:Windows下想使用Linux环境,WSL、Docker、VM应该怎么选择?
  • windows下安装也很简单,Welcome to Docker Hub: Download and Take a Tutorial
  • 记得开启docker的镜像加速,不然下载镜像会很慢,可以使用阿里云的加速,阿里云加速链接

常用命令

命令 操作
docker images 查看已存在镜像
docker ps 查看正在运行的容器
docker ps -a 查看所有容器
docker run -it [打包的镜像名称]:[tag] bash 启动镜像
docker commit -a “dyngq” -m “test” [容器名称或id] [打包的镜像名称]:[tag] 将容器打包成镜像
docker rm 删除容器
docker rmi 删除镜像
docker bulid -t [打包的镜像名称]:[tag] 根据Dockerfile打包镜像
docker start 启动容器
docker attach 进入容器

将容器打包成镜像

docker commit -a “dyngq” -m “test” [容器名称或id] [打包的镜像名称]:[tag]

-a :提交的镜像作者;
-c :使用Dockerfile指令来创建镜像;
-m :提交时的说明文字;
-p :在commit时,将容器暂停。

Dockerfile示例

Dockfile

# Base Images
## 从带有numpy的python镜像
FROM numpy:1.0

## 把当前文件夹里的文件构建到镜像的根目录下
ADD . /

## 指定默认工作目录为根目录(需要把run.sh和生成的结果文件都放在该文件夹下,提交后才能运行)
WORKDIR /

## 镜像启动后统一执行 sh run.sh
CMD ["sh", "run.sh"]

其他一些常用参考链接

天池

手把手超详细操作说明

  1. 创建阿里云的docker仓库
  2. pull拉取提供的python3镜像
  3. 启动镜像,在这个容器内安装numpy
    ( pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple)
  4. 将安装有numpy的容器打包成镜像
  5. 写好Dockerfile,写好sh和py
  6. push上去
  7. 提交结果

本次提交的所有文件都在./docker文件夹内

py文件

# import pandas as pd
import numpy as np
import json

# df = pd.read_csv("/tcdata/num_list.csv")
# df = pd.read_csv("./docker/tianchi_submit_demo/data/tcdata/num_list.csv")
# print(df)

numbers = np.loadtxt(open("./tcdata/num_list.csv","rb"),delimiter=",",skiprows=0,dtype='int')
# numbers = np.loadtxt(open("./docker/tianchi_submit_demo/data/tcdata/num_list.csv","rb"),delimiter=",",skiprows=0,dtype='int')

# numbers = np.random.randint(1,30,size=50,dtype='int32')
# print(numbers)
# np.savetxt('./docker/tianchi_submit_demo/data/tcdata/num_list.csv', numbers,delimiter = ',')

# print("hello_world")

# print(numbers,type(numbers.tolist()))

r_sum = np.sum(numbers)

top10 = numbers[np.argpartition(numbers,-10)[-10:]]
top10 = np.sort(top10).tolist()
top10.reverse()
# print(top10, type(top10))

result = {
    "Q1": "Hello world",
    "Q2": r_sum.tolist(),
    # C004 注意:TOP10 若包含重复值
    "Q3": top10
}
with open("result.json", "w") as f:
    json.dump(result, f) 

'dyngq_images'

0%