Docker Guideline Docker 上手操作

Docker基础与实践
本文详细介绍了Docker的基本概念,包括镜像、容器、仓库和注册服务器等,并提供了安装指南及常见问题解决方法。此外还讲解了如何使用Docker Hub,创建私有仓库,以及通过各种方法构建和管理镜像。

docker 中的基本概念
1 docker image 镜像是一个只读模板,用以创建运行时的容器,提供app的运行环境
2 docker container 容器是从镜像创建的实例 容器之间相互隔离
3 docker hub 仓库是image集中存放的管理者。docker hub是公开的仓库。 
4 docker registery 注册服务器可以管理多个仓库。可以通过docker registery 创建私有的仓库

一  docker安装

1 环境准备
a 系统 内核要求为3.13以上
建议使用ubuntu 14.04以上系统,否则需要升级内核
b 安装 apparmor 
apt-get install apparmor

2 docker install
执行
wget -qO- https://get.docker.com/ | sh
或者:
curl -sSL https://get.docker.com/ | sh

安装成功后通过sudo docker run hello-world来验证是否安装成功

3 常见问题:
运行提示: Are you trying to connect to a TLS-enabled daemon without TLS
可能的原因为:
1 未安装apparmor
2 docker进程未启动
docker -d -H unix:///var/run/docker.sock


二 docker usage

1  docker hub
 是一个中心化的docker image管理中心,用户注册后可以方便的使用docker本身提供的诸如ubuntu/centos等不同系统的image,进行快速部署。
可以通过下面的命令行方式进行注册,邮箱激活后就可以使用了:
sudo docker login 
web 方式的登陆界面为:
https://hub.docker.com/account/signup/

参考
https://docs.docker.com/userguide/dockerhub/。

2 docker基本命令
docker images 查看当前hub拉下来的镜像

获取image
sudo docker pull centos
该命令实际上执行: sudo docker pull registry.hub.docker.com/centos:latest
相当于从注册服务器registry.hub.docker.com 的centos仓库中获取版本最新的image

基于镜像运行容器
sudo docker run -t -i centos /bin/bash 
该命令基于centos lastest镜像创建出容器,执行 /bin/bash命令  参数-t 打开pseudo-TTY, -i  使得可以使用STDIN

docker ps 查看正在运行的容器
docker port container_id 查看容器的端口映射

3 docker private hub

很多情况下,访问官方的docker hub并不方便,尤其对于企业我们可以构建自己的私有hub。
可以通过官方提供的工具 docker-registry,用于构建私有的镜像仓库,可以直接安装docker-registry (以daemon方式运行)或者下载registry image(以容器方式运行)。

以容器方式运行:
a sudo docker pull registry
b sudo docker run -d -p 5000:5000 -v /home/rainday/registry:/tmp/registry registry
首先从公网的docker hub中拉取docker 镜像
然后将host机器的5000端口映射到容器的5000端口, 并通过容器的-v参数将传入的mount路径变为我们指定的路径,以存放image
参数d使得后台运行

通过curl http://ubuntu14:5000/v1/search可以看到容器运行成功,当前为空

查看该容器的image
sudo docker images 172.30.30.241:5000
查看指定namespace的image
docker search 172.30.30.241:5000/centos
查看所有images的版本
docker images 172.30.30.241:5000/centos

image的上传:
a 首先通过docker tag对镜像重新命名 :  docker tag $ID $IP:$port/$name
比如 sudo docker tag e099197b794f 172.30.30.241:5000/centos
b sudo docker push 172.30.30.241:5000/centos

注意执行pull如果出现错误:
docker pull 172.30.30.241:5000/centos1
FATA[0004] Error response from daemon: v1 ping attempt failed with error: Get https://172.30.30.241:5000/v1/_ping: EOF. If this private registry supports only HTTP or HTTPS with an unknown CA certificate, please add `--insecure-registry 172.30.30.241:5000` to the daemon's arguments. In the case of HTTPS, if you have access to the registry's CA certificate, no need for the flag; simply place the CA certificate at /etc/docker/certs.d/172.30.30.241:5000/ca.crt 

在/etc/default/docker增加 DOCKER_OPTS="$DOCKER_OPTS --insecure-registry=172.30.30.241:5000"  需要添加到docker客户端中,表示这是一个合法的registry
重启docker
sudo service docker restart
sudo docker run -d -p 5000:5000 -v /home/rainday/registry:/tmp/registry registry

参考
http://dockerpool.com/static/books/docker_practice/repository/local_repo.html


4 创建image
a 通过修改容器来创建新的image
1) 首先创建一个基于centos image的容器 sudo docker run -t -i centos:6 /bin/bash 
2) 在容器内做一些修改,安装vim 
3) 退出容器后, 通过commit 命令提交修改 sudo docker commit -m "install vim " -a "rainday" 0534372552db centos:new 
    -m 指定此次提交进行的修改内容, -a 指定用户信息 然后是容器的ID, 最后是仓库以及新创建的tag
该命令返回创建的image的ID
4) 利用新创建的image来创建容器进行验证 sudo docker run -i -t centos:new /bin/bash

b 通过docker提供的dockerfile来创建新的image
dockerfile的语法说明:
#代表注释
FROM 基于哪个image构建
MAINTAINER 维护者信息
RUN 以RUN开头的命令会在创建过程中执行,比如安装软件、执行命令
ADD 将本地文件拷贝到image中
EXPOSE 开放端口
CMD 指定镜像创建好后的执行的命令

一个简单的 dockerfile 
FROM centos:new
MAINTAINER Docker Rainday
RUN echo "test2" > test2

sudo docker run -t -i centos:new2 /bin/bash

通过docker images可以看到新创建了一个 centos tag为new2的镜像

c 通过openvz的模板来创建新的镜像 
d 镜像创建好后,可以通过docker push 上传到仓库中共享

 docker -e https_proxy=http://proxy.dy:3128 push 52.5.53.34:5000/facebook_pmd/fb

三 docker network

1 docker端口映射

容器运行时可以通过-p来指定host与容器的端口映射。 -P会指定一个随机 49000~49900端口到容器内部开放的端口
使用-p灵活一些 实例如下:

docker run -d -p 5000:5000 training/webapp python app.py    绑定了host所有的网卡的5000端口到容器的5000中

docker run -d -p 127.0.0.1:5000:5000/udp training/webapp python app.py 绑定了host指定的ip下的5000端口,绑定的为upd端口

docker run -d -p 127.0.0.1::5000 training/webapp python app.py    绑定了host指定的ip,随机端口到容器的5000端口

run -d -p 5000:5000  -p 3000:80 training/webapp python app.py  同时绑定了多个端口



参考资料

https://docs.docker.com/userguide/
http://dockerpool.com/static/books/docker_practice/basic_concept/README.html




标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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