史上最详细的docker学习手册,请收藏!

Docker 使用手册 Docker 简单使用 阅读详情

一、docker入门

1、docker的安装及入门示例

  • 环境准备:docker需要安装在centos7 64位系统上;docker要求系统内核在3.10以上

  • 查看系统内核:

    uname -r复制代码
  • 安装命令:

    yum -y install docker-io复制代码
  • 安装完成后,启动命令

    service docker start复制代码
  • 安装nginx体验

    docker run -p80:80 -d nginx
    复制代码

2、doker的理论概念

  • 什么是docker:

    鲸鱼通过身上的集装箱(Container)来将不同种类的货物进行隔离;而不是通过生出很多小鲸鱼(Guest OS)来承运不同种类的货物。Docker 是一个开源的应用容器引擎,基于 Go 语言 并遵从Apache2.0协议开源。Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中,然后发布到任何流行的 Linux 机器上,也可以实现虚拟化。容器是完全使用沙箱机制,相互之间不会有任何接口(类似 iPhone 的 app),更重要的是容器性能开销极低。

    物理机、虚拟机、docker的形象对比

    这是物理机:一栋楼一户人家、独立地基、独立花园。

    这是虚拟机:一栋楼包含多套房子,一套房一户人家,共享地基、共享花园,独立卫生间、厨房、宽带

    \

    这是docker容器:一套房隔离成多个小空间俗称胶囊公寓,每个胶囊住一个租客,共享地基、花园、卫生间、厨房、宽带等等

  • docker和虚拟机的对比
docker虚拟机
运行环境docker构建在操作系统上,所以docker甚至可以在虚拟机上运行虚拟化技术依赖物理CPU和内存,是硬件级别的
隔离性docker属于进程之间的隔离虚拟机可实现系统级别隔离
安全性Docker的租户root和宿主机root等同,一旦容器内的用户从普通用户权限提升为root权限,它就直接具备了宿主机的root权限,进而可进行无限制的操作。    故:docker的安全性也更弱虚拟机租户root权限和宿主机的root虚拟机权限是分离的,并且虚拟机利用硬件隔离:如Intel的VT-d和VT-x的ring-1硬件隔离技术,这种隔离技术可以防止虚拟机突破和彼此交互     虚拟机的安全性高
可管理性docker的集中化管理工具还不算成熟。各种虚拟化技术都有成熟的管理工具,例如VMware  vCenter提供完备的虚拟机管理能力。
快速创建、删除Docker容器创建是秒级别的,Docker的快速迭代性,决定了无论是开发、测试、部署都可以节约大量时间。虚拟化创建是分钟级别的
交付、部署Docker在Dockerfile中记录了容器构建过程,可在集群中实现快速分发和快速部署;虚拟机可以通过镜像实现环境交付的一致性,但镜像分发无法体系化;
  • docker的架构原理

    \

derver daemon: docker server是一个守护进程,它可以部署远程也可以部署本地。它包含2部分网络newtwork和磁盘data volumes

REST API: 实现了client和server间的通信交互协议 

CLI(command line interface): docker client ,它包含2部分容器和镜像,1个镜像可以创建N个容器(container)

Image: 一个只读的镜像模板。可以自己创建一个镜像也可以从网站上下载镜像供自己使用。

Container: 由docker client通过镜像创建的实例,用户在容器中运行应用,一旦创建后就可以看做是一个简单的操作系统,每个应用运行在隔离的容器中,享用独自的权限,用户,网络。

Registry: 镜像仓库,用来存储和管理image镜像,目前主流的仓库有Docker hub、阿里云镜像仓库,也可以自己创建仓库来管理。

\

说明:docker client 通过3个命令,先到docker daemon pull拉取images,如果服务端没有,先到仓库拉取,(如果仓库没有你可以build自建images);最后通过run命令创建容器

二、镜像管理

1、什么是镜像

  • 一个只读的模板,就是一个dockerfile,可以在镜像仓库上传或下载
  • 先有镜像,后有容器;并且一个镜像可以创建多个容器。
  • docker镜像最大的特点:分层结构。
    最底层是一个base层,也即是一个操作系统层。它还会从base层一层层的叠加生成(什么是层层叠加?例如,安装一个软件,它就会在base层的基础上追加一层。它的好处就是资源共享)。

2、镜像相关命令

  • 查看docker本地的镜像

    docker images复制代码

    搜索一个镜像

    docker search mysql复制代码

    \

    INDEX :仓库地址
    NAME  :仓库+名称
    STARS :用户的喜欢程度
    OFFICIAL:是否为官方,如果为OK的话代表官方,可信度高,放心使用 UTOMATED:是否为公开的dockerfile脚本制成的?也即是说dockerfile是否提供。

  • 下载一个镜像

    docker pull mysql:5.7
    复制代码

    下载完后,查看是否在本地 docker images

  • 删除docker镜像

    docker rmi [imageID]
    # 如果要删除全部镜像 
    docker rmi $(docker images -q)复制代码
  • 加速器的配置

    #centos的阿里云加速器命令
    mkdir -p /etc/docker
    tee /etc/docker/daemon.json <<-'EOF'
    {
      "registry-mirrors": ["https://uqxmqcrw.mirror.aliyuncs.com"]
    }
    EOF
    systemctl daemon-reload
    systemctl restart docker
    复制代码

3、dockerfile

  • dockerfile概念

    dockerfile是一个文本的配置文件,它可以快速创建自定义的镜像,文本内容包含了若干的命令行,并支持#作为注释行,文本格式包含基础镜像FROM,维护者MAINTAINER,操作指令ADD,容器启动后指令等共计4部分

  • dockerfile文件示例

    #1.基础镜像:FROM指令:基础镜像名:tag,例如java:8
    FROM java:8
    
    #2.维护者:格式:MAINTAINER <name>
    MAINTAINER jackly
    
    #3.镜像的操作指令
    # ADD拷贝一个文件到容器中,格式:ADD <src> <dest>
    ADD eureka-server-0.0.1-SNAPSHOT.jar  /app/service/eureka/data/app.jar
    
    #告诉docker容器暴露端口,在容器启动的时候,需要通过-p 做端口映射
    EXPOSE 8761
    
    #5.配置容器启动后,执行什么命令
    ENTRYPOINT ["java","-jar","/app/service/eureka/data/app.jar"]
    复制代码
  • 构建docker镜像

    #其中 -t 对镜像进行命名,一般的命名法:仓库名字/镜像名字:版本号
    #注意:其中 .号,代表当前目录下的dockerfile文件
    docker build -t registry-jackly/eureka-server:1.0.0 .
    复制代码
  • 查看和运行镜像容器

    #查看本地镜像
    docker images
    #启动镜像
    docker run -d -p8761:8761 --name=eureka registry-jackly/eureka-server:1.0.0
    复制代码
三、镜像仓库管理

1、建设dockerhub官方仓库

  • 什么是镜像仓库

    就是存放镜像的地方

  • 推送镜像到dockerhub(需FQ)

    ①、登录 https://hub.docker.com/,创建一个eureka-server仓库
    ②、本地linux登录docker官方, docker login
    ③、改镜像的名,(为什么要改?因为docker官方镜像仓库是以 用户名 来命名仓库的)
       docker tag registry-jackly/eureka-server:1.0.0 jacklydocker/eureka-server:1.0.0
    ④、推送镜像到官方仓库
       docker push jacklydocker/eureka-server:1.0.0
    ⑤、拉取上传的镜像
       先删除旧镜像:docker rmi jacklydocker/eureka-server:1.0.0
       拉取镜像:docker pull jacklydocker/eureka-server:1.0.0
       创建容器:docker run -d -p 8761:8761 --name=eureka docker.io/jacklydocker/eureka-server:1.0.0
    复制代码

2、建设阿里云docker仓库

  • 推送镜像到阿里云仓库

    ①、登录阿里云,先创建命名空间,并建个镜像仓库
    ②、本地linux登录登录阿里云Docker Registry, docker login --username=你的用户名 registry.cn-shenzhen.aliyuncs.com
    ③、改镜像的名,(为什么要改?因为docker官方镜像仓库是以 用户名 来命名仓库的)
       docker tag58acc264425c registry.cn-shenzhen.aliyuncs.com/jackly/eureka-server:1.0.0
    ④、推送镜像到阿里云仓库
       docker push registry.cn-shenzhen.aliyuncs.com/jackly/eureka-server:1.0.0
    ⑤、拉取上传的镜像
       docker pull registry.cn-shenzhen.aliyuncs.com/jackly/eureka-server:1.0.0
    复制代码

3、建设本地仓库

  • 为什么需要搭建本地仓库

    (1).节约带宽:因为如果用docker或阿里云官方的仓库走的互联网浪费带宽,而且慢。
    (2).提供资源利用和安全:因为公司内部的镜像,推送到本地仓库,更方便公司内部人员用,而且安全性高。

  • 创建仓库容器

    #查找官方仓库
    docker search registry
    #拉取仓库镜像
    docker pull registry
    #运行仓库容器
    docker run -d -p5000:5000 \
    --restart=always \
    --privileged=true \
    --name=registry-local-jackly \
    -v /date/volume/registry:/var/lib/registry \
    registry
    复制代码
  • 推动镜像到本地私有仓库

    ①、改镜像的名
       docker tag58acc264425c reg.qxbdocker.com:5000/eureka-server:1.0.0
    ②、推送镜像到私有仓库(注意:记得改本地hosts:127.0.0.1 reg.qxbdocker.com)
       docker push reg.qxbdocker.com:5000/eureka-server:1.0.0
    ③、查看搭建仓库的信息
       查看仓库的镜像:
        curl -X GET http://127.0.0.1:5000/v2/_catalog
       仓库仓库某个镜像的版本信息:
        curl -X GET http://127.0.0.1:5000/v2/eureka-server/tags/list
    ⑤、拉取上传的镜像
     #先删除本地镜像
     docker rmi reg.qxbdocker.com:5000/eureka-server:1.0.0
     #在拉取仓库中的镜像
        docker pull reg.qxbdocker.com:5000/eureka-server:1.0.0
    复制代码
四、容器管理

1、容器的生命周期实践

  • 什么是容器

    容器类似于胶囊公寓,它是一个精简版的操作系统,一般容器中只运行一个应用(例如:eureka-server镜像)。

  • 如何创建容器

    通过镜像创建容器,通过docker run命令创建。

  • 容器的作用

    容器起到了隔离的作用,独享空间、网络等等。

  • doker命令

    docker run --help
     -d, --detach=false         指定容器运行于前台还是后台,默认为false
     -i, --interactive=false    打开STDIN,用于控制台交互
     -t, --tty=false            分配tty设备,该可以支持终端登录,默认为false
     -u, --user=""              指定容器的用户
     -a, --attach=[]            登录容器(必须是以docker run -d启动的容器)
     -w, --workdir=""           指定容器的工作目录
     -c, --cpu-shares=0         设置容器CPU权重,在CPU共享场景使用
     -e, --env=[]               指定环境变量,容器中可以使用该环境变量
     -m, --memory=""            指定容器的内存上限
     -P, --publish-all=false    指定容器暴露的端口
     -p, --publish=[]           指定容器暴露的端口
     -h, --hostname=""          指定容器的主机名
     -v, --volume=[]            给容器挂载存储卷,挂载到容器的某个目录
     --volumes-from=[]          给容器挂载其他容器上的卷,挂载到容器的某个目录
     --cap-add=[]               添加权限,权限清单详见:http://linux.die.net/man/7/capabilities
     --cap-drop=[]              删除权限,权限清单详见:http://linux.die.net/man/7/capabilities
     --cidfile=""               运行容器后,在指定文件中写入容器PID值,一种典型的监控系统用法
     --cpuset=""                设置容器可以使用哪些CPU,此参数可以用来容器独占CPU
     --device=[]                添加主机设备给容器,相当于设备直通
     --dns=[]                   指定容器的dns服务器
     --dns-search=[]            指定容器的dns搜索域名,写入到容器的/etc/resolv.conf文件
     --entrypoint=""            覆盖image的入口点
     --env-file=[]              指定环境变量文件,文件格式为每行一个环境变量
     --expose=[]                指定容器暴露的端口,即修改镜像的暴露端口
     --link=[]                  指定容器间的关联,使用其他容器的IP、env等信息
     --lxc-conf=[]              指定容器的配置文件,只有在指定--exec-driver=lxc时使用
     --name=""                  指定容器名字,后续可以通过名字进行容器管理,links特性需要使用名字
     --net="bridge"             容器网络设置:
                                   bridge 使用docker daemon指定的网桥
                                   host    //容器使用主机的网络
                                   container:NAME_or_ID  >//使用其他容器的网路,共享IP和PORT等网络资源
                                   none 容器使用自己的网络(类似--net=bridge),但是不进行配置
     --privileged=false         指定容器是否为特权容器,特权容器拥有所有的capabilities
     --restart="no"             指定容器停止后的重启策略:
                                   no:容器退出时不重启
                                   on-failure:容器故障退出(返回值非零)时重启
                                   always:容器退出时总是重启
     --rm=false                 指定容器停止后自动删除容器(不支持以docker run -d启动的容器)
     --sig-proxy=true           设置由代理接受并处理信号,但是SIGCHLD、SIGSTOP和SIGKILL不能被代理
    复制代码
  • docker创建示例

    docker run -d -p5000:5000 \
     --restart=always \
     --privileged=true \
     --name=registry-local-jackly \
     -v /date/volume/registry:/var/lib/registry \
     registry
    复制代码
  • docker常用命令

    #查看正在运行的容器
    docker ps
    #查看所有的容器(包括已经停止的容器)
    docker ps -a
    #停止容器
    docker stop 容器ID
    #强制停止容器
    docker kill 容器ID
    #启动容器
    docker start 容器ID
    #重启容器
    docker restart 容器ID
    #删除已经停止的容器
    docker rm 容器ID
    #删除正在运行的容器,强制删除
    docker rm -f 容器ID复制代码

2、如何进入容器内部

  • 进入容器的方式

    有4种方式能进入容器,分别为  exec、docker attach、ssh、nsenter. 这4种都能进入容器,但是最好用最常用的是exec

  • exec命令

    docker exec --help
     -d 以后台方式执行,这样,我们执行完这条命令,还可以干其他事情,写脚本最常用
     -e 代表环境变量
     -i 以交互方式运行,是阻塞式的
     -t 分配一个伪终端,这个参数通常与-i参数一起使用,然后在后面跟上容器里的/bin/bash,这样就把我们带到容器里去了。
     -u 指定进入的容器以哪个用户登陆,默认是root复制代码
  • 进入容器命令

    #启动镜像,若镜像容器已经创建,则通过docker ps -a查询停止的容器id,在通过docker start 容器ID  启动容器
     docker run -d -p8761:8761 --name=eureka registry-jackly/eureka-server:1.0.0
     #进入容器的相关命令
     docker exec -it eureka sh
     #进入后可以使用ls查看目录(/app/service/eureka/data/app.jar)
     docker exec -it eureka /bin/bash
     docker exec -it eureka pwd
     docker exec -it eureka top
    复制代码

3、容器内容改变后,能否重新生成镜像

  • 使用ll命令验证

    ①、进入容器:docker exec -it eureka /bin/bash
    ②、修改容器内容:echo"alias ll='ls -l'" >> ~/.bashrc && source ~/.bashrc
    ③、验证ll命令:ll
    ④、强制删除容器:docker rm -f 容器ID
    ⑤、启动镜像容器:docker run -d -p 8761:8761 --name=eureka registry-jackly/eureka-server:1.0.0
    ⑥、进入容器使用ll命令:发现先前修改的实效
    复制代码
  • 修改容器后,重新生成镜像

    ①、进入容器:docker exec -it eureka /bin/bash
    ②、修改容器内容:echo"alias ll='ls -l'" >> ~/.bashrc && source ~/.bashrc
    ③、验证ll命令:ll
    #生成镜像命令
    docker commit --help
     -a 用来指定作者
     -c 使用Dockerfile指令来创建镜像
     -m 描述我们此次创建image的信息
     -p 在commit时,将容器暂停
    ④、重新生成镜像
    docker commit -m="add ll" --author="jackly" eureka registry-jackly/eureka-server:2.0.0
    ⑤、启动新镜像
    docker run -d -p 8761:8761 --name=eureka registry-jackly/eureka-server:2.0.0
    复制代码
五、网络管理

1、外部网络如何访问容器应用

  • 外部访问容器应用,是通过端口来实现的

    #参数-p,指定端口,其中8080是宿主机的端口,80是容器的端口
    docker run -d -p 8080:80 nginx
    #参数-P(大写),随机端口,随机范围 32769-60999
    docker run -d -P nginx
    复制代码
  • dockerfile的端口实现规则

    (1)有开放 EXPOSE 8761

    #参数-p,指定端口
    docker run -d -p8761:8761 --name=eureka registry-agan/eureka-server:1.0.0
    #参数-P,随机端口( 达到的效果是0.0.0.0:32771->8761)
    docker run -d -P --name=eureka registry-jackly/eureka-server:2.0.0
    复制代码

    (2)没有开放 EXPOSE 8761

    #参数-p,指定端口(效果:正常)
    docker run -d -p8761:8761 --name=eureka registry-jackly/eureka-server:2.0.0
    #参数-P,随机端口( 达到的效果是,无端口号,连内部容器都没有端口)
    docker run -d -P --name=eureka registry-jackly/eureka-server:2.0.0
    复制代码

2、如何实现容器之间的网络通信

  • 业务场景为4个容器

    mysql、eureka、product、config

  • 安装mysql

    #启动mysql容器
    docker run -p3306:3306 --name mysql \
     -e MYSQL_ROOT_PASSWORD=agan \
     -d mysql:5.7
    #进入mysql容器
    docker exec -it mysql /bin/bash
    #docker镜像没有ifconfig、ping指令
    apt-get update
    apt install net-tools # ifconfig
    apt install iputils-ping # ping
    复制代码
  • 创建eureka容器

    docker run -d -p8761:8761 --name=eureka registry-jackly/eureka-server:2.0.0
    复制代码
  • 部署config镜像和容器(加入config有问题,暂时未找到原因)

    dockerfile:

    #1.基础镜像:FROM指令:基础镜像名:tag,例如java:8
    FROM java:8
    
    #2.维护者:格式:MAINTAINER <name>
    MAINTAINER jackly
    
    #3.镜像的操作指令
    # ADD拷贝一个文件到容器中,格式:ADD <src> <dest>
    ADD config-server-0.0.1-SNAPSHOT.jar  /app/service/config/data/app.jar
    
    #5.配置容器启动后,执行什么命令
    ENTRYPOINT ["java","-jar","/app/service/config/data/app.jar"]
    复制代码

    构建镜像

    #其中 -t 对镜像进行命名,一般的命名法:仓库名字/镜像名字:版本号
     #注意:其中 .号,代表当前目录下的dockerfile文件
     docker build -t registry-jackly/config-server:1.0.0 .
    复制代码

    创建容器

    #查看本地镜像
    docker images
    #启动镜像 link eureka:jacklyureka==>link 容器名称:别名(将配置中心服务注册到eureka)
    docker run -d -p9030:9030 --name config \
     --link eureka:jacklyureka \
     registry-jackly/config-server:1.0.0
    #查看config信息
    http://172.31.65.26:9030/e-book-product/deauflt
    复制代码

    进入config容器

查看eureka注册信息

\

  • 部署product镜像和容器

    dockerfile:

    #1.基础镜像:FROM指令:基础镜像名:tag,例如java:8
    FROM java:8
    
    #2.维护者:格式:MAINTAINER <name>
    MAINTAINER jackly
    
    #3.镜像的操作指令
    # ADD拷贝一个文件到容器中,格式:ADD <src> <dest>
    ADD e-book-product-core-0.0.1-SNAPSHOT.jar  /app/service/product/data/app.jar
    
    #5.配置容器启动后,执行什么命令
    ENTRYPOINT ["java","-jar","/app/service/product/data/app.jar"]
    复制代码

    构建镜像

    #其中 -t 对镜像进行命名,一般的命名法:仓库名字/镜像名字:版本号
     #注意:其中 .号,代表当前目录下的dockerfile文件
     docker build -t registry-jackly/product-server:1.0.0 .
    复制代码

    创建容器

    #查看本地镜像
    docker images
    #启动镜像 注:link就是容器直接的连接,你不用IP的情况下可以通过link来实现容器名之间的通信;它的语法是 link 容器名:别名
    docker run -d -p8083:8083 --name product \
     --link mysql:jacklymysql \
     --link eureka:jacklyeureka \
     registry-jackly/product-server:1.0.0
    #验证效果
    http://172.31.65.26:8761/
    http://172.31.65.26:8083/product/findAllProduct
    复制代码

    link原理

    #原理就是在prodct容器中的hosts加了2条记录。
    docker exec -it product /bin/bash
    cat /etc/hosts
    复制代码
六、数据管理

1、docker容器的数据如何共享给宿主机

  • 宿主机查看eureka日志

    1)使用docker run   volume方式实现

    #构建镜像
    docker build -t registry-jackly/eureka-server:2.0.0 .
    #创建容器
    #就是把docker的数据保存到宿主机的磁盘中,通常说的就是挂载点,或者叫做卷。
    #语法: -v 宿主机目录:容器目录
    docker run -d -p 8761:8761 --name=eureka \
      --privileged=true \
      -v /app/service/eureka/logs:/opt/data \
      registry-jackly/eureka-server:2.0.0
    复制代码

    2)使用dokcerfile方式实现

    #1.基础镜像:FROM指令:基础镜像名:tag,例如java:8
    FROM java:8
    
    #2.维护者:格式:MAINTAINER <name>
    MAINTAINER jackly
    
    #3.加入挂载点
    VOLUME /opt/data
    
    #4.镜像的操作指令
    # ADD拷贝一个文件到容器中,格式:ADD <src> <dest>
    ADD eureka-server-0.0.1-SNAPSHOT.jar  /app/service/eureka/data/app.jar
    
    #5.告诉docker容器暴露端口,在容器启动的时候,需要通过-p 做端口映射
    EXPOSE 8761
    
    #6.配置容器启动后,执行什么命令
    ENTRYPOINT ["java","-jar","/app/service/eureka/data/app.jar"]
    复制代码
    #重新构建eureka
    docker build -t registry-jackly/eureka-server:3.0.0 .
    #创建容器
    docker run -d -p 8761:8761 --name=eureka \
      --privileged=true \
      registry-jackly/eureka-server:3.0.0
    复制代码

    注意点:dockerfile volume 无法指定宿主机的目录,都是自动生成,而且是随机的;默认在/var/lib/docker/volumes/。(为什么是随机生成?因为dockerfile无法确定每台宿主机是否都存在目录)

    #如何找到宿主机的挂载目录?
      docker inspect eureka
      #信息段"Mounts": [
                {
                    "Type": "volume",
                    "Name": "cf527694ebafb92426a52f1916b26832b4c8977093083450a96fbccb3d866669",
                    "Source": "/var/lib/docker/volumes/cf527694ebafb92426a52f1916b26832b4c8977093083450a96fbccb3d866669/_data",
                    "Destination": "/opt/data",
                    "Driver": "local",
                    "Mode": "",
                    "RW": true,
                    "Propagation": ""
                }
    复制代码
  • 总结

    docker run 是能指定宿主机的目录。dockerfile volume 无法指定宿主机的目录,都是自动生成,而且是随机的;默认在/var/lib/docker/volumes/。

2、宿主机如何直接维护docker容器的数据

在没有使用-v挂载点时,创建的容器,在容器删除后,根据镜像重新生成容器后,数据也随之流失。如果使用了挂载点,删除容器后,在根据镜像生成容器,数据还会保留。

docker run -p3306:3306 --name mysql \
-e MYSQL_ROOT_PASSWORD=agan \
--privileged=true \
-v /app/data/mysql:/var/lib/mysql \
-d mysql:5.7
复制代码

\

七、镜像仓库管理系统搭建

搭建一个镜像仓库管理系统需要3个步骤,分别是:生成一个认证文件,rsa的认证文件;创建一个仓库容器;创建一个仓库web管理系统

  • 生成一个认证文件,rsa的认证文件

    #建立/app/registry-jackly/conf,在/app/registry-jackly目录下执行 以下命令:
    openssl req -new -newkey rsa:4096 -days 365 -subj "/CN=localhost"  -nodes -x509 -keyout conf/auth.key -out conf/auth.cert
    复制代码
  • 创建一个仓库容器

    #创建配置文件/app/registry-jackly/conf/registry-jackly.yml
    
    version:0.1
    #镜像存储地方
    storage:
      filesystem:
        rootdirectory: /var/lib/registry
      #镜像的删除权限,enabled: true代表开启删除权限
      delete:
        enabled: true
    log:
      level: info
    #开启仓库的网络,端口号为5000
    http:
      addr: 0.0.0.0:5000
    复制代码
    #创建仓库命令
    docker run \
    -v /app/registry-jackly/conf/registry-jackly.yml:/etc/docker/registry/config.yml:ro \
    -v /app/registry-jackly/conf/auth.cert:/etc/docker/registry/auth.cert:ro \
    -p5000:5000  --name registry-docker -d \
    --privileged=true \
    registry
    复制代码
  • 创建一个仓库web管理系统

    #创建一个配置文件:/app/registry-jackly/conf/registry-web.yml
    registry:
      # 指定registry的地址(注意:registry-docker为仓库的容器名字)
      url: http://registry-docker:5000/v2
      #仓库的名称(注意:registry-docker为仓库的容器名字)
      name: registry-docker:5000
      #是否为只读模式,设置true时,不允许删除镜像
      readonly: false
      #权限验证
      auth:
        #是否开启验证
        enabled: true
        #验证证书的key
        key: /conf/auth.key
        #证书颁发者的名称
        issuer: docker
    复制代码
    #创建仓库web管理系统命令(注意:--link registry-docker很重要,没有的话,无法连接仓库。)
    docker run \
    -v /app/registry-jackly/conf/registry-web.yml:/conf/config.yml:ro \
    -v /app/registry-jackly/conf/auth.key:/conf/auth.key \
    -v /app/registry-jackly/db:/data \
    -d -p8080:8080 --link registry-docker --name registry-web \
    --privileged=true \
    hyper/docker-registry-web
    复制代码
  • 效果验证

    #登录仓库管理系统
    http://172.31.65.26:8080/login/auth
    用户名=admin
    密码 =admin
    
    #构建镜像
    #其中 -t 对镜像进行命名,一般的命名法:仓库名字/镜像名字:版本号
    #注意:其中 .号,代表当前目录下的dockerfile文件
    docker build -t registry-docker:5000/eureka-server:3.0.0 .
    
    #修改hosts(vi /etc/hosts)
    127.0.0.1 registry-docker
    
    #给搭建好的仓库加个镜像 
    docker push registry-docker:5000/eureka-server:3.0.0
    
    #权限设置
    默认admin用户是没有删除权限,需要重新创建用户,并且给予权限。
    复制代码
八、maven构建springcloud镜像

在先前构建项目时,先通过maven打包出jar,在手动上传到虚拟机上,并编写dockerfile文件,在使用docker build命令构建镜像,比较繁琐。实际上可以通过maven来直接构建springcloud镜像,maven构建springcloud镜像推送给仓库,需要2步骤:开启docker远程API;编写maven的docker插件。

  • 开启docker远程API

    \

    #在配置文件中,加入:-H tcp://0.0.0.0:2375 -H unix:///var/run/docker.sock
    vi /usr/lib/systemd/system/docker.service
    #重启docker
    systemctl daemon-reload
    systemctl restart docker
    #验证docker远程api是否生效
    netstat -anp|grep 2375
    curl 127.0.0.1:2375/info
    复制代码
  • 编写maven的docker插件

    #本地配置hosts(c:\windows\system32\drivers\etc)172.31.65.26 registry-docker
    
    #docker maven插件
    <build>
      <plugins>
       <plugin>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-maven-plugin</artifactId>
       </plugin>
       <!-- 添加docker maven插件 -->
       <plugin>
        <groupId>com.spotify</groupId>
        <artifactId>docker-maven-plugin</artifactId>
        <version>1.1.1</version>
        <configuration>
         <!-- 推送到指定的仓库 -->
         <registryUrl>registry-docker:5000</registryUrl>
         <!-- 开启docker远程API的端口 -->
         <dockerHost>http://registry-docker:2375</dockerHost>
         <!-- 指定镜像名称 格式:仓库域名:端口/镜像名字:镜像的版本号 -->
         <imageName>registry-docker:5000/${project.artifactId}:${project.version}</imageName>
         <!-- 指定基础镜像 类似dockerfile的FROM指令 -->
         <baseImage>java:8</baseImage>
         <!-- 配置容器启动后,执行什么命令,等于与 dockerfile的ENTRYPOINT -->
         <entryPoint>["java", "-jar", "/${project.build.finalName}.jar"]</entryPoint>
         <!-- 为dockerde tag指定版本号、latest -->
         <imageTags>
          <imageTag>${project.version}</imageTag>
          <imageTag>latest</imageTag>
         </imageTags>
         <!-- 是否有push的功能 true代表有 -->
         <pushImage>true</pushImage>
         <!-- push后是否覆盖已存在的标签镜像 -->
         <forceTags>true</forceTags>
         <!-- 复制jar包到docker容器指定的目录 -->
         <resources>
          <resource>
           <targetPath>/</targetPath>
           <!-- 指定要复制jar包的根目录,${project.build.directory}代表 target的目录 -->
           <directory>${project.build.directory}</directory>
           <!-- 指定要复制的文件,${project.build.finalName}代表打包后的jar -->
           <include>${project.build.finalName}.jar</include>
          </resource>
         </resources>
        </configuration>
       </plugin>
      </plugins>
     </build>
     
    #执行命令
    clean package -DskipTests docker:build
    复制代码

    验证效果

    \

九、编排构建springcloud实例
  • 什么是compose为什么要使用compose

    因为运行一个docker镜像,通常是需要docker run 命令,在运行镜像的时候还需要一定的参数 ;例如 容器的名称 映射的卷,绑定端口等等,非常麻烦。那如果有个一个文件来记录保存这些命令该多好?所以compose就是用于存储这些命令,而且呢是比docker run还要简单存储。那compose是什么呢?它既是一个yaml格式的文件,例如docker-compose.yml文件。

    #安装最新compose
    curl -L https://get.daocloud.io/docker/compose/releases/download/1.21.2/docker-compose-`uname -s`-`uname -m` > /usr/local/bin/docker-compose
      
    #添加可执行权限
    chmod +x /usr/local/bin/docker-compose
     
    #测试安装结果
    docker-compose --version
    复制代码
  • 自动构建spring cloud注册中心eureka

    创建一个网络

    创建命令:docker network create dockernet
    查看命令:docker network ls复制代码

    compose内容:

    #docker compse 的配置文件包含3大部分:version services networks
    version: '3'
    services:
      # 服务名称
      eureka:
        # 容器名称
        container_name: eureka
        # 镜像名称
        image: registry-docker:5000/eureka-server:0.0.1-SNAPSHOT
        # 暴露的端口号
        ports:
          - "8761:8761"
        # 设置卷挂载的路径 /opt/data代表的是日志存储路径 
        volumes: 
          - /app/service/eureka/logs:/opt/data
        # 设置权限 :拥有root权限
        privileged: true
        
        networks:
          - default
          
    networks:
      default:
        external:
          name: dockernet
    复制代码

    运行命令

    docker-compose -f docker-compose-eureka.yml  up -d复制代码

    演示效果

    http://172.31.65.26:8761/
    复制代码
  • 自动构建spring cloud 配置中心config

    compose内容

    version:'3'
    services:
      config-server:
        container_name: config-server
        image: registry-docker:5000/config-server:0.0.1-SNAPSHOT
        ports:
          - "9030:9030"
        networks:
          - default
        
    networks:
      default:
        external:
          name: dockernet
    复制代码

    运行命令

    docker-compose -f docker-compose-config.yml  up -d复制代码

    演示效果

    http://172.31.65.26:9030/e-book-product/default
    复制代码
  • 自动构建spring cloud 调用链zipkin

    compose内容

    version:'3'
    services:
      zipkin-server:
        container_name: zipkin-server
        image: registry-docker:5000/zipkin-server:0.0.1-SNAPSHOT
        ports:
          - "9411:9411"
        networks:
          - default
        
    networks:
      default:
        external:
          name: dockernet
    复制代码

    运行命令

    docker-compose -f docker-compose-zipkin.yml  up -d复制代码

    演示效果

    http://172.31.65.26:9411
    复制代码
  • 自动构建spring cloud 日志系统ELK

    compose内容

    version:'3'
    services:
     elasticsearch:
      container_name: elasticsearch
      image: docker.elastic.co/elasticsearch/elasticsearch:6.1.1
      command: elasticsearch
      ports:
       - "9200:9200"
       - "9300:9300"
      privileged: true
      networks:
       - default
       
     logstash:
      container_name: logstash
      image: docker.elastic.co/logstash/logstash:6.1.1
      command: logstash -f /etc/logstash/conf.d/logstash.conf
      volumes:
       # 挂载logstash配置文件
       - /app/service/logstash/config:/etc/logstash/conf.d
       - /app/service/logstash/build/:/opt/build/
      ports:
       - "6000:5000"
      privileged: true
      networks:
       - default
       
     kibana:
      container_name: kibana
      image: docker.elastic.co/kibana/kibana:6.1.1
      environment:
       - ELASTICSEARCH_URL=http://elasticsearch:9200
      ports:
       - "5601:5601"
      privileged: true
      networks:
       - default
       
    networks:
      default:
        external:
          name: dockernet
    复制代码

    logstash.conf存放在/app/service/config下

    # For detail structure of this file  
    # Set: https://www.elastic.co/guide/en/logstash/current/configuration-file-structure.html  
    input {  
      # For detail config for log4j as input,   
      # See: https://www.elastic.co/guide/en/logstash/current/plugins-inputs-log4j.html  
      tcp {  
        mode => "server"  
        host => "logstash"  #logstash容器名称
        port => 9250
      }  
    }
    filter {  
      #Only matched data are send to output.  
    }  
    output {  
      # For detail config for elasticsearch as output,   
      # See: https://www.elastic.co/guide/en/logstash/current/plugins-outputs-elasticsearch.html  
      elasticsearch {  
        action => "index"          #The operation on ES  
        hosts  => "elasticsearch:9200"   #ElasticSearch host, can be array.  elasticsearch容器名称
        index  => "applog"         #The index to write data to.  
      }  
    }  
    复制代码

    运行命令

    docker-compose -f docker-compose-elk.yml  up -d
     
     如果elasticsearch 报这个错误
      ERROR: [1] bootstrap checks failed
      [1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]
     解决方案:sudo sysctl -w vm.max_map_count=262144
    复制代码

    演示效果

    #创建一个索引
    curl -XPUT http://172.31.65.26:9200/applog
    
    #进入elk页面
    http://172.31.65.26:5601/app/kibana
    复制代码
  • 自动构建product 服务

    第一步:自动构建 mysql 微服务

    # Docker Compose 配置文件,包含3大部分 version、services、networks
    version: '3'
    services: 
      # 服务名称
      mysql:
        # 容器名称
        container_name: mysql
        # 镜像名称
        image: mysql:5.7
        # 暴露端口
        ports:
          - "3306:3306"
        # 设置卷挂载路径 
        volumes:
          - /app/data/mysql:/var/lib/mysql
        # 环境变量
        environment:
          MYSQL_USER: root
          MYSQL_PASSWORD: agan
          MYSQL_ROOT_PASSWORD: agan
          
        # 设置权限 :拥有root权限
        privileged: true
        
        networks:
          - default
        
    networks:
      default:
        external:
          name: dockernet
          
          
    #启动mysql容器
    docker-compose -f docker-compose-mysql.yml  up -d
    复制代码

    第二步:自动构建 product 微服务

    #docker-compose-product.yml
    version:'3'
    services:
      product:
        container_name: e-book-product
        image: registry-docker:5000/e-book-product-core:0.0.1-SNAPSHOT
        ports:
          - "8083:8083"
        # 设置权限 :拥有root权限
        privileged: true
        
        networks:
          - default
        
    networks:
      default:
        external:
          name: dockernet
          
          
    #启动容器
    docker-compose -f docker-compose-product.yml  up -d
    复制代码

    第三步:演示效果

    #看注册中心
    http://172.31.65.26:8761/
    #产品查询接口
    http://172.31.65.26:8083/product/findAllProduct
    #看日志
    http://172.31.65.26:5601/app/kibana
    #调用链
    http://172.31.65.26:9411/
    复制代码
  • 自动构建自动构建 user order trade consumer 微服务

    第一步:构建相关服务

    #docker-compose-service.yml
    version:'3'
    services:
      product:
        container_name: e-book-product
        image: registry-docker:5000/e-book-product-core:0.0.1-SNAPSHOT
        ports:
          - "8083:8083"
        networks:
          - default
      user:
        container_name: e-book-user
        image: registry-docker:5000/e-book-user-core:0.0.1-SNAPSHOT
        ports:
          - "8084:8084"
        networks:
          - default
      order:
        container_name: e-book-order
        image: registry-docker:5000/e-book-order-core:0.0.1-SNAPSHOT
        ports:
          - "8085:8085"
        networks:
          - default
      trade:
        container_name: e-book-trade
        image: registry-docker:5000/e-book-trade-core:0.0.1-SNAPSHOT
        ports:
          - "8086:8086"
        networks:
          - default
      consumer:
        container_name: e-book-consumer-order
        image: registry-docker:5000/e-book-consumer-order:0.0.1-SNAPSHOT
        ports:
          - "8090:8090"
        networks:
          - default
        
    networks:
      default:
        external:
          name: dockernet
          
    
    #启动容器命令
    docker-compose -f docker-compose-service.yml  up -d
    复制代码

    第二步:演示效果

    #看注册中心
    http://172.31.65.26:8761/
    #产品查询接口
    http://172.31.65.26:8083/product/findAllProduct
    #创建订单
    http://172.31.65.26:8090/createOrder
    #看日志
    http://172.31.65.26:5601/app/kibana
    #调用链
    http://172.31.65.26:9411/
    复制代码
  • 自动构建spring cloud 网关zuul

    第一步:构建zuul服务

    #docker-compose-zuul.yml
    version:'3'
    services:
      zuul-gateway:
        container_name: zuul-gateway
        image: registry-docker:5000/zuul-gateway:0.0.1-SNAPSHOT
        ports:
          - "9010:9010"
        # 设置权限 :拥有root权限
        privileged: true
        
        networks:
          - default
        
    networks:
      default:
        external:
          name: dockernet
          
    
    #启动容器
    docker-compose -f docker-compose-zuul.yml  up -d
    复制代码

    第二步:演示效果

    http://172.31.65.26:9010/e-book-consumer-order/createOrder
    http://172.31.65.26:9010/e-book-product/product/findAllProduct
    复制代码

    \

\

\

以上,希望对你有所帮助!

End

点个在看,少个Bug

!

来源:https://juejin.cn/post/6989896342772547591
Docker容器使用手册 Docker是一种轻量级、可移植、自给自足的软件运行环境,用于打包和运行应用程序。它允许开发者将应用及其所有依赖打包成一个镜像(Image),然后基于这个镜像创建出容器(Container)来运行。与虚拟机相比不需要完整操作系统,启动快,占用资源小,同时可以跨平台部署,容器内运行环境固定,容器之间相关隔离。 阅读详情

相关推荐

Docker — 从入门到实践

Docker 以一种轻量级的方式实现了运行空间的隔离。虚拟机拥有的好处,Docker 也都有。打个比方,**如果物理机是一栋写字楼,那么虚拟机就是写字楼当中不同的租赁单位(公司),而 Docker 就是办公室内的隔断或分区**。

2302_77131223的博客 1206

史上最详细的docker学习手册,请查收!

一、docker入门 1、docker的安装及入门示例 环境准备:docker需要安装在centos7 64位系统上;docker要求系统内核在3.10以上 查看系统内核: uname -r 安装命令: yum -y install docker-io 安装完成后,启动命令 service docker start 安装nginx体验 docker run -p 80:80 -d nginx 2、doker的理论概念 什么是docker: ​ 鲸鱼通过身上的

飘渺Jam的博客 3210

史上最详细解决“搭建GPU版Pytorch Docker镜像”教程

CUDA版本对应的Pytorch版本 搭建GPU版本的Pytorch Docker镜像 了解并安装完Docker之后,来配置安装GPU版本的Pytorch Docker镜像。 1.拉取基础的操作系统镜像 关键命令:docker pull 具体指令:docker pull nvidia/cuda:10.1-cudnn7-devel-ubuntu16.04 操作完成之后,使用docker images命令查看当前docker中存在的镜像: 可以看到第一行就是所拉取的镜像,该镜像中已经安.

SpadgerZ的博客 5192

docker手册

​ Docker Compose 是一个编排多容器分布式部署的工具,提供命令集管理器化应用的完整开发期,包括服务构建,启动和停止。使用步骤:利用 Dockerfile 定义运行环境镜像使用 docker-compose.yml 定义组成应用的各服务运行 docker-compose up 启动应用。

nandoua的博客 438

AI智能体循环工程实战:基于DeepSeek Harness构建生产级智能体架构

在AI应用开发中,智能体(Agent)技术正从简单的单次问答向复杂多步任务演进,这催生了循环工程这一关键方法论。循环工程专注于管理智能体执行过程中的动态循环逻辑,包括状态保持、分支决策和自修正能力,它填补了传统Prompt工程与确定性工作流之间的空白。从技术原理看,循环工程通过显式状态管理、可控执行流和增强可观测性,解决了智能体在真实场景中状态丢失、错误扩散等稳定性难题。其技术价值在于将智能体从演示原型转变为可投入生产的可靠系统,特别适用于客服工单处理、代码迭代生成等需要持续交互的场景。本文以DeepSee

weixin_29046035的博客 311

UMD与KMD的协同交响曲:揭秘图形渲染背后的驱动架构设计

本文深入解析了图形渲染中用户态驱动(UMD)与内核态驱动(KMD)的协同架构设计,揭秘了从API调用到像素渲染的完整流水线。通过分析UMD的API转换、着色器编译等核心职责,以及KMD的内存管理、任务调度等关键功能,帮助开发者优化图形应用性能,提升渲染效率。

cc789的博客 727

史上最详细的docker学习手册,请查收!(1),2024年最新面试经验的总结

Java架构学习技术内容包含有:Spring,Dubbo,MyBatis, RPC, 源码分析,高并发、高性能、分布式,性能优化,微服务 高级架构开发等等。还有Java核心知识点+全套架构师学习资料和视频+一线大厂面试宝典+面试简历模板可以领取+阿里美团网易腾讯小米爱奇艺快手哔哩哔哩面试题+Spring源码合集+Java架构实战电子书+2021年最新大厂面试题。网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

2401_84435885的博客 901

信贷审批中的那些坑:从零开始搭建风控策略体系的5个关键步骤

本文深入探讨了信贷审批中的风控策略体系搭建,从数据陷阱识别、规则冲突诊断到反欺诈攻防,提供了5个关键步骤的实战指南。重点解析了如何通过特征工程、决策树优化和模型可解释性技术,构建动态平衡的风控体系,有效降低逾期风险并提升审批效率。

weixin_29253711的博客 416

史上最详细Docker安装Redis (含每一步的图解)实战

本文更新于 2023 年8月7日,史上最详细Docker安装Redis!!!(含每一步的图解) 不仅教你安装,还教你删除。 每一行命令都带图解,绝对能懂。 Docker安装Redis 搜索redis 镜像文件 命令:docker search redis 可以看到有很多redis的镜像,我下载的就是默认的最新版本 。redis latest. 拉取镜像 命令:docker pull redis 挂载配置文件和data文件

北 25万+

STM32CubeIDE(CUBE-MX hal库)----RTC时钟断电保持与时间校准实战

本文详细介绍了在STM32CubeIDE中使用CUBE-MX和HAL库实现RTC时钟断电保持与时间校准的实战方法。通过硬件配置、后备寄存器(BKP)操作及软件校准策略,确保嵌入式设备在断电后仍能保持准确时间,适用于智能电表、环境监测等物联网应用场景。

weixin_29189373的博客 219

【图像超分】论文复现:经典超分 | SAN的Pytorch源码复现,跑通源码,适配高版本的python/pytorch/cuda,使用EDSR-PyTorch进行训练和测试

本文介绍了单幅图像超分辨率重建方法SAN(二阶注意网络)的代码实现。文章详细说明了在高版本Python/Pytorch环境下适配SAN源码的方法,并提供了修改后的完整代码和预训练模型下载链接。 主要亮点包括: 将SAN模型实现整合到EDSR-Pytorch框架中,解决了高版本环境下的兼容性问题 提供了完整的数据集准备指南(DIV2K训练集和5个测试集) 给出了详细的测试命令,涵盖x2、x3、x4不同放大倍率 公开了预训练模型和可视化结果的下载资源 提供了修改后的适配高版本环境的代码。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 1417

ubuntu基于docker搭建hadoop集群【史上最详细】

ubuntu基于docker搭建hadoop集群【史上最 注意!注意!注意!我是在服务器上搭建的,前面有sudo。你们注意辨别 4、安装java 5、配置hadoop集群常用工具:vimip、config、ssh 6、下载hadoop 7、配置环境变量 加入 我在用 docker 的时候发现 /etc/profile 并没有默认开机执行,所以在 ~/.bashrc 里加了一句: 8、修改hadoop配置文件 (1)打开hadoop-env.sh,添加下面的语句 (2)打开core-site

weixin_42037651的博客 4546

QT 实现QStackedWidget切换页面右移动画

首先截取当前界面的图片,渲染到一个QLabel上,然后设置QPropertyAnimation动画,动画的作用对象就是这个QLabel,不断的改变geometry;当动画结束的时候,隐藏并释放这个QLabel。以下是一个QStackedWidget,放了两个QPushButton在上面,点击切换不同的界面。为了方便查看动画特效,设置了每个界面的背景图片。

希望能帮助大家,希望大家多多支持,你们的支持是我前进的动力。 884

史上最详细Docker搭建Redis Cluster集群环境 值得收藏 每步都有图,不用担心学不会

之前无论学什么东西,总感觉只要会写小Demo就完事了。但随着学习的深入,(内卷)接触的越来越多,集群、JVM、数据结构、算法、底层、Liunx 系统,任重而道远啊。 分享一句很喜欢的话:“八小时谋生活,八小时外谋发展”。 如果你也喜欢,那一起共勉???????? Docker 搭建 Redis Cluster 集群环境一、环境二、前期准备2.1、搜索、拉取redis镜像2.2、Docker 容器网络2.3、编写配置文件三、启动容器3.1、启动redis容器3.2、创建Redis Cluster集群1、进

北 9514

全网最全RT-DETR涨点改进,基于官方源码1:1还原,在Ultralytics项目中配置rtdetr-r18、rtdetr-r34、rtdetr-r50、rtdetr-r101版本~小论文大论文必备

本文详细介绍了如何将RT-DETR的ResNet18/34/50/101/154版本移植到ultralytics项目中。主要内容包括:1) RT-DETR核心特点,如高效混合编码器、IoU感知查询选择等;2) 提供完整ResNet核心代码;3) 分步配置指南,包括创建模块文件和修改tasks.py;4) 各版本yaml配置文件的创建方法。该方案可帮助研究者快速实现RT-DETR改进,适用于目标检测相关论文研究。所有配置文件均可正常运行,为实验部署提供了便利。

Ai缝合怪、助力小伙伴高效发论文 3942

cuRobo 入门教程(一)基于CUDA的机器人运动规划加速库

cuRobo是一款基于CUDA加速的机器人算法库,提供运动学计算、碰撞检测、轨迹优化等功能。该库采用并行优化技术,在GPU上实现高效运算,比现有方案快60倍。cuRobo支持多种机器人模型和环境表示,包含正向/逆向运动学、无碰撞轨迹生成、模型预测控制等核心算法,并可与IsaacSim等仿真平台集成。其特点包括:1) 支持多种碰撞检测方式(长方体/网格/深度图像);2) 提供批量环境处理和实时世界更新;3) 通过CUDA Graphs加速优化迭代;4) 在Jetson Orin等平台实现毫秒级运动规划。安装支

2506_90492529的博客 1931

史上最全、最详细的Docker学习资料

一、Docker 简介 Docker 两个主要部件: Docker: 开源的容器虚拟化平台 Docker Hub: 用于分享、管理 Docker 容器的 Docker SaaS 平台 – Docker Hub Docker 使用客户端-服务器 (C/S) 架构模式。Docker 客户端会与 Docker 守护进程进行通信。Docker 守护进程会处理复杂繁重的任务,例如建立、运行、发布你的 D...

Java架构师笔记 696

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

docker安装教程(史上最细)

沙盒机制,又称为沙箱(sandbox),是一种计算机安全领域中的技术,用于为运行中的程序提供隔离的环境。这种机制主要通过以下方式来实现:进程隔离。通过创建独立的进程来运行应用程序,每个进程拥有自己独立的内存空间和资源,从而确保应用程序的异常不会影响其他进程和系统的稳定性。权限控制。通过权限控制来限制应用程序对系统资源的访问,例如通过访问控制列表(ACL)或用户权限来限制应用程序对文件系统的访问,以防止数据泄漏或破坏。资源隔离。

weixin_62951914的博客 6579

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Docker超详细基础教程,快速入门docker首选(万字长文建议收藏)

一、docker概述 1.什么是docker Docker 是一个开源的应用容器引擎,基于 Go 语言 并遵从 Apache2.0 协议开源。 Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中,然后发布到任何流行的 Linux 机器上,也可以实现虚拟化。 容器是完全使用沙箱机制,相互之间不会有任何接口(类似 iPhone 的 app),更重要的是容器性能开销极低。 Docker 从 17.03 版本之后分为 CE(Community Edition: 社区版) 和 E..

1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

史上最详细的docker+vue+nginx+django

一、django部署 (一)、准备工作 1)requirement.txt 在项目的根目录下,使用pip freeze > requirements.txt自动整合这个项目所需要的各种包到requirement.txt里面 ps:最好在pycharm的控制台中使用,在cmd中使用会有多余的包 2)pip.conf [global] index-url = http://mirrors.aliyun.com/pypi/simple/ [install] trusted-host=mirrors.aliy

qq_51014805的博客 5992
上一篇: 五十五张图告诉你微服务的灵魂摆渡者Nacos究竟有多强
下一篇: 万字长文,解密秒杀架构!(建议收藏)
码趣资源网
博客等级 码龄4年 269粉丝 518原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值