Docker实战(二)

本文详细介绍了Dockerfile的结构及常用指令,包括基础镜像信息、维护者信息、操作指令和容器启动命令等,并通过实战演示如何使用Dockerfile创建自定义容器。

转至:http://objcoding.com/2017/12/07/Docker(2)/

制作镜像一般有三种方法,第一种是 run 一个基础容器,在里面下载好我们需要的东西,然后通过 docker commit 命令生成一个新的镜像,第二种方法是基于本地模版导入,第三种就是这篇文章说的基于 Dockerfile 创建。

结构

Dockerfile 大概可以分为四部分:基础镜像信息、维护者信息、操作指令、容器启动时执行的命令。

基础镜像信息指定了 Dockerfile 生成的镜像是基于哪个基础镜像的,且第一行必须需要用 FROM 指令指定基础镜像,操作者信息是为了让使用者知道这个镜像的作者的信息,操作指令是在基础镜像的基础中添加一些新的配置和资源,需要用到 Dockerfile 的指令,容器启动时执行的命令是在容器启动完成后立即执行的命令,一般来说,这个容器的任务就是这条执行命令,结构如下所示:

# 指定基础镜像
FROM centos

# 维护者信息
MAINTAINER zhangchenghui zhangchenghui.dev@gmail.com

# 操作指令
RUN yum update && yum install tomcat
COPY xxx/data /data
VOLUME [ "/data" ]

# 容器启动时执行命令
CMD ["sh", "/run.sh"]

指令

FROM

这个命令是每个 Dockerfile 必备的,用于指定基础镜像,且必须在第一行,格式为:

FROM <image id> 或 FROM <image>:<tag>

RUN

每个 run 相当于一次 docker commit,就是说每执行一次 run,都在当前镜像的基础上 commit 一个新的镜像,因此尽量把命令集中用 run 执行一次,免得生成过多的镜像,同时执行多个命令时可以用 && 连接起来,如果太长了也可以用 \ 换行,格式为:

RUN <command> 或 RUN [ "sh", "/run.sh" ]

CMD && ENTRYPOINT

CMD 和 ENTRYPOINT 都可以作为容器启动时执行的命令,为什么要将这两个指令放一起讲呢,因为 ENTRYPOINT 可以作为一个入口点,将 CMD 当作参数传递,CMD 格式如下:

# shell格式
CMD /usr/local/bin/nginx

# exec格式
CMD [ "curl", "http://xxx.cn" ]

而 ENTRYPOINT 可以写成:

ENTRYPOINT "<CMD>"

CMD 的缺点就是命令的参数在 Dockerfile 中固定了,不能灵活添加参数,而 ENTRYPOINT 可以在执行 docker run 指令时灵活地在 ENTRYPOINT 中添加参数,比如:

CMD [ "curl", "-s", "http://ip.cn" ]

这条执行命令就固定了,运行容器时不能再继续往里面添加参数了,因为如果没有入口点,这时你运行容器:

docker run <容器名字> -i

docker 根本识别不了这个「 -i 」是什么东东,我们再来看看:

ENTRYPOINT [ "curl", "-s", "http://ip.cn" ]

这时你再运行,docker 就会在这个入口点添加新的参数。

注:如果 Dockerfile 有多个ENTRYPOINT入口点,只有最后一个生效。

EXPOSE

这个没啥好说的,用于向宿主机暴露容器中的端口,格式为 :

EXPOSE <port> 

ENV

其实这个也没啥好说的,定位 Dockerfile 中的环境变量,格式为:

ENV <key> <value>

ADD && COPY

这两个指令可以将 Dockerfile 的相对路径的资源,复制到镜像中,当目标路径不存在会自动创建,格式为:

ADD <src> <test>
COPY <src> <test>

两个指令唯一区别是 ADD 可以指定一条 URL 当作资源,而 COPY 只能是 Dockerfile 的相对路径。

当项目在远程 git 仓库中时,我们就可以在编写 Dockerfile 时利用 ADD 指令主动从 git 仓库中拉取最新代码到容器中:

ADD https://github.com/zhangchenghuidev/zhangchenghuidev.github.io.git /data

VOLUME

VOLUME 指令可以使容器在启动时自动挂载一个目录或文件到宿主机中,但是这个命令并不能指定宿主机的一个目录,只能随机地挂载 /var/lib/docker/volumes/xxx/_data 其中一个目录,例如在 Dockerfile 中:

VOLUME [ "/data" ]

我们通过 Docker inspect <容器名称或id> 查看容器信息可看到:

dockerfile

而我们发现,我们在 Docker run 的 -v 中 是可以挂载宿主机指定的目录。

WORKDIR

指定当前镜像的工作目录,都知道每个 run 命令都会 commit 一个新镜像,下一个 run 继续在上一个镜像的基础上继续 commit,如果上一个镜像指定了当前目录的话,那么下一次 run,就会基于这个目录去工作了,没有指定默认是根目录。格式如下:

WORKDIR <工作路径>

实战

创建各类资源:

cd ~
mkdir docker
cd docker
mkdir sample
# 将项目复制到sample目录
cp /usr/local/tomcat/webapps sample
touch Dockerfile

dockerfile

编写Dockerfile:

vim Dockerfile
from tomcat

MAINTAINER zhangchenghui zhangchenghui.dev@gamil.com

ENV WORKSPACE /usr/local/tomcat

WORKDIR $WORKSPACE

COPY sample/webapps webapps

Run echo '<h1>hello, docker</h1>' > webapps/index.html

VOLUME [ "/data" ]

EXPOSE 8080 80

CMD [ "sh", "bin/catalina.sh" ]

从上面指令可看出来,这是在 tomcat 镜像的基础上做的,设定工作目录在 tomcat 根目录下 /usr/local/tomcat,将宿主机 Dockerfile 相对路径下的项目复制到容器 tomcat 的 webapps 下,在 webapps 下创建一个 index.html 文件,并复制内容为 <h1>hello, docker</h1> ,挂载 /data 目录到宿主机上,对应宿主机的 /var/lib/docker/volumes/xxx/_data 其中一个目录下,开放 8080 80 端口,最后设定在容器启动时执行启动 tomcat 容器的指令。

启动容器:

docker build -t myweb:v4 .

这个「 . 」表示当前目录,因为 Dockerfile 就在当前目录下,而且 Dockerfile 中的相对路径也是根据 Dockerfile 的当前目录来确定的。

构建过程:

docker build

查看列表,刚刚利用 dockerfile 生成的镜像就有了:

docker images

启动一个容器:

docker run -d -it -p 8080:8080 bd066935d00a

dockerfile

查看一下容器挂载点,是不是和 Dockerfile 设定的一样:

docker inspect 609a4f1962dc

dockerfile

进入容器,看项目是不是已经复制到 webapps 目录中:

docker exec -it 609a4f1962dc /bin/bash
dockerfile
一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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