容器（Docker & Singularity）使用入门

关注

原创 2026-09-22 15:15:27 95 阅读 AI 写同款· GEO 优化 ›

sql注入详解目录前言? ?一、漏洞原因分析二、漏洞危害三、sql注入防范四、如何挖掘sql注入漏洞五、常见的注入手法联合查询(union注入)报错注入基于布尔的盲注基于时间的盲注HTTP头注入宽字节注入堆叠查询二阶注入六、sql注入getshell的几种方式结构化查询语言（Structured Query Language，缩写：SQL），是一种特殊的编程语言，用于数据库中的标准数据查询语言。SQL注入（SQL Injection）是一种常见的Web安全漏洞，主要形成的原因是在数据交互中，前端的数据传入到后台处理时，没阅读详情

前言

在生物信息学（生信）研究领域，数据处理和分析任务日益复杂，对计算资源的需求也越来越高。为了提高研究效率、确保环境一致性和可重复性，容器技术应运而生。Docker 和 Singularity 作为两种主流的容器解决方案，在生信领域得到了广泛应用。

本文将通俗易懂讲解两种容器的核心概念、特点、安装方式、常用命令，同时详解Docker 转 Singularity 镜像全套实操方法。在各类软件源码安装报错、依赖冲突、环境配置繁琐的场景下，容器部署是最优解。

容器是一种轻量级的虚拟化技术，它允许在单个操作系统实例上运行多个隔离的应用程序。容器将应用程序及其所有依赖项（库、配置文件、运行环境等）打包成独立运行单元，实现一次打包、随处运行，彻底解决环境不一致、依赖报错、版本冲突等问题。

一、容器通用核心特点

轻量级：容器直接共享宿主机内核，无需完整系统镜像，对比虚拟机占用资源极低、秒级启动、运行高效。
强隔离性：依托 Linux cgroups、namespaces 实现环境隔离，多容器独立运行、互不干扰。
高可移植性：镜像打包完整依赖，可在服务器、集群、云平台无缝迁移部署。
灵活可扩展：支持批量启停、动态扩容，适配大规模数据处理任务。
精准资源控制：可单独限制单容器 CPU、内存、磁盘资源，保障系统稳定性。
环境一致性：镜像固化运行环境，规避 “本地能跑、服务器报错” 的经典问题。

二、Docker 容器详解

Docker 是目前最主流的通用容器技术，2013 年正式推出，广泛用于开发测试、微服务、自动化部署。但不适合传统高性能计算集群，存在 Root 权限风险、集群适配性差等问题。

1. Docker 四大核心组件

镜像（Image）：只读环境模板，包含程序、依赖、配置，是创建容器的基础。
容器（Container）：镜像的运行实例，可启停、删除、迭代运行。
仓库（Registry）：镜像存储分发平台，默认公共仓库为 Docker Hub，也可自建私有仓库。
引擎（Engine）：Docker 核心服务，负责镜像构建、容器调度、资源管理。

2. Docker 安装教程

Ubuntu 系统

sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io

CentOS 系统

sudo yum install -y docker
sudo systemctl start docker
sudo systemctl enable docker

Windows / macOS

直接下载安装 Docker Desktop 即可，适配桌面端可视化操作。

3. 安装验证

docker --version

4. 核心常用命令

# 拉取官方镜像
docker pull ubuntu:latest

# 查看本地所有镜像
docker images

# 交互式运行容器
docker run -it --name my_ubuntu ubuntu:latest /bin/bash

# 查看正在运行的容器
docker ps

# 查看所有容器（含已停止）
docker ps -a

# 停止容器
docker stop my_ubuntu

# 删除容器
docker rm my_ubuntu

# 删除镜像
docker rmi ubuntu:latest

参数说明：

-i：持续开启标准输入
-t：分配伪终端，支持交互式操作
--name：自定义容器名称
查看运行中的容器

5. Dockerfile 自定义镜像

Dockerfile 用于自动化构建专属镜像，统一部署环境，示例模板如下：

# 基础镜像
FROM ubuntu:latest

# 安装依赖
RUN apt-get update && apt-get install -y \
python3 \
python3-pip \
&amp;&amp; rm -rf /var/lib/apt/lists/*

# 设置工作目录
WORKDIR /app

# 拷贝本地文件到容器
COPY . /app

# 安装项目依赖
RUN pip3 install --no-cache-dir -r requirements.txt

# 暴露端口
EXPOSE 5000

# 容器启动命令
CMD ["python3", "app.py"]

6. 构建并运行自定义镜像

# 构建镜像
docker build -t my_python_app .

# 后台运行容器并映射端口
docker run -d -p 5000:5000 --name my_running_app my_python_app

参数说明：

-t：指定镜像名称与标签
.：指定Dockerfile所在的路径。
-d：后台守护进程运行
-p：宿主机端口与容器端口映射

三、Singularity 容器详解

Singularity 是专为高性能计算 HPC、科学计算、生信集群设计的容器技术，完美弥补 Docker 在集群环境的缺陷，是实验室、超算中心的主流选择。

核心优势：无 Root 权限运行、安全性高、集群适配性强、资源占用低，绝大多数科研集群禁止 Docker，但兼容 Singularity。

Singularity 使用 SIF 专属镜像格式，可打包完整运行环境，跨集群、跨平台无缝运行。

1. Singularity 安装

Ubuntu

sudo apt-get update &amp;&amp; sudo apt-get install -y singularity-container

CentOS

sudo dnf install -y singularity

2. 基础常用命令

# 从Docker仓库拉取镜像
singularity pull docker://ubuntu:latest

# 运行容器
singularity run ubuntu_latest.sif

# 进入交互式终端
singularity shell ubuntu_latest.sif

# 查看容器详细信息
singularity inspect ubuntu_latest.sif

四、Docker 与 Singularity 核心区别

1. 设计定位

Docker：面向开发、微服务、CI/CD 部署，侧重灵活部署、快速迭代。
Singularity：面向科学计算、HPC 集群、大数据分析，侧重安全、稳定、集群兼容。

2. 安全性

Docker：默认 Root 权限运行，多用户集群存在安全风险，权限管控复杂。
Singularity：默认普通用户权限运行，无高危权限泄露，适配共享集群环境。

3. 资源与场景

Docker：资源配置灵活，适合业务服务、项目部署，不适合超算集群。
Singularity：自动化资源调度，适配大规模并行计算、生信分析、科研任务。

4. 可移植性

Docker：跨平台通用，但 HPC 集群兼容性差。
Singularity：科研平台、超算中心通用，可无缝迁移。

五、Docker 镜像转为 Singularity 镜像（三种实操方法）

科研集群大多仅支持 Singularity，因此 Docker 镜像转 Singularity 是科研必备技能。

方法一：本地 Docker 镜像打包转换

查看本地 Docker 镜像 ID

docker images

打包镜像为 tar 文件

docker save 镜像ID -o 自定义镜像名.tar

将 tar 文件传输至 Singularity 服务器
构建 Singularity 沙箱镜像

singularity build --sandbox 新镜像名 docker-archive://tar包路径

进入容器运行

singularity shell 新镜像名

方法二：直接从 Docker 仓库拉取转换

无需本地 Docker 环境，直接拉取公共镜像构建：

# 从Docker Hub构建
singularity build 镜像名.sif docker://godlovedc/lolcow

# 从生信专属仓库Quay构建
singularity build samtools.sif docker://quay.io/biocontainers/samtools:1.17--hd87286a_1

方法三：通过 Dockerfile 直接构建（Singularity4.1 + 支持）

编写自定义 Dockerfile
执行构建命令

singularity build --oci 自定义镜像.oci.sif Dockerfile

运行镜像

singularity run 自定义镜像.oci.sif

六、实操总结与避坑指南

场景选择
日常开发、本地调试、服务部署优先用 Docker；实验室集群、生信分析、超算任务优先用 Singularity。
环境适配
遇到软件源码编译报错、依赖冲突、系统版本不兼容时，优先使用容器部署，一劳永逸。
转换避坑
- 镜像转换过程保证网络稳定，避免镜像损坏；
- 集群环境禁止使用 Docker Root 权限运行，避免违规告警；
- 转换后的 Singularity 镜像建议测试运行，校验依赖完整性。
核心价值
容器技术彻底解决了科研数据分析中的环境不一致、依赖繁杂、部署失败三大痛点，是生信、HPC、大数据领域研究者的必备基础技能。