Docker部署Springboot项目

本文详细介绍Docker的安装与基本使用流程,包括登录、Dockerfile编写、镜像构建、镜像运行及容器管理。通过具体实例,深入浅出地讲解如何利用Docker进行应用部署。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

安装Docker

见另一篇文章,上面的命令按顺序执行一次就行了。https://blog.youkuaiyun.com/qq_32475739/article/details/80946013

登录Docker

https://blog.youkuaiyun.com/qq_32475739/article/details/80946013 到该网址注册账号

sudo docker login

编写Dockerfile

1.创建相关文件和目录

mkdir project 
cd project
vim Dokcerfile

2.在Dockerfile中输入以下内容

FROM openjdk:8-jre-alpine

COPY envir-0.0.1-SNAPSHOT.jar app.jar   //这里有两个jar,将第一个jar拷贝到容器中,并命名为app.jar

ENTRYPOINT ["java","-jar","app.jar"]

注意,此时的目录结构应该是这样子的

[root@localhost project]$ ls
Dokcerfile     envir-0.0.1-SNAPSHOT.jar

构建镜像

1.注意当前所在的目录

[root@localhost project]$ sudo docker build -t csdn-demo:v1     //csdn-demo为仓库名,v1为标签

2.构建正常将输出以下内容(容器id会有不同)

Sending build context to Docker daemon  16.72MB
Step 1/3 : FROM openjdk:8-jre-alpine
 ---> b76bbdb2809f
Step 2/3 : COPY envir-0.0.1-SNAPSHOT.jar app.jar
 ---> 4681ac4ebcae
Step 3/3 : ENTRYPOINT ["java","-jar","app.jar"]
 ---> Running in 5922f2106529
Removing intermediate container 5922f2106529
 ---> 7ec9bb3899f4
Successfully built 7ec9bb3152f4
Successfully tagged csdn-demo:v1

运行镜像

[root@localhost project]$ sudo docker run -p 8081:8081 csdn-demo:v1   //-p  主机端口:容器端口

可以带上-t表示后台执行

[root@localhost project]$ sudo docker run -t -p 8081:8081 csdn-demo:v1   

查看运行中的容器

[root@localhost project]$ sudo docker container ls

最后测试

[root@localhost project]$ sudo curl 0.0.0.0:8081

笔记

查看容器ip

[root@localhost project]$ sudo docker inspect --format '{{ .NetworkSettings.IPAddress }}' <容器ID>
内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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