doocker制作一个200M的带sshd服务的ubuntu镜像

该博客介绍了如何利用Dockerfile创建一个基于Ubuntu的镜像,步骤包括复制tuna.list文件到sources.list.d,启动SSH服务,并配置使用清华源加速apt更新。此外,还展示了如何通过run.sh脚本启动SSH服务,并提供了构建镜像和启动容器的命令,以及如何通过SSH登录容器。
Dockerfile文件 目录下新建 run.sh 和tuna.list两个文件

run.sh

# 启动ssh 服务
/etc/init.d/ssh start
/bin/bash

tuna.list

# 默认注释了源码镜像以提高 apt update 速度,如有需要可自行取消注释
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
# deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
# deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
# deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse
# deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse

# 预发布软件源,不建议启用
# deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
# deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse

Dockerfile

FROM ubuntu
COPY tuna.list /etc/apt/sources.list.d/
COPY run.sh run.sh
RUN mv /etc/apt/sources.list /etc/apt/sources.list.bak &&\
	apt-get update &&\
	# vim 根据自身情况可装可不装
	apt-get install -y openssh-server vim &&\
	apt-get clean &&\
	rm -rf /var/lib/apt/lists/* &&\
	## 配置ssh免密登录,需要你的 github添加了密钥
	wget -O "authorized_keys" https://www.github.com/[你的github账号].keys &&\
	mkdir /root/.ssh
	mv authorized_keys /root/.ssh/
CMD ["/bin/bash","run.sh"]
构建镜像与启动容器
# 构建镜像
docker build -t [自定义镜像名] .
# 启动自启容器
docker run -itd -p[自定义映射端口]:22 --name [自定义容器名] --restart=on-failure [刚才自定义的镜像名]
# 进入容器
docker exec -i [刚才自定义的容器名] bash
ssh 登录容器
ssh -l root [容器域名] -p [刚才自定义的映射端口]
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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