实战 | ​Docker ubuntu:18.04 镜像制作

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

前言

Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows 机器上，也可以实现虚拟化。近年来，Docker方式越来越受欢迎，本文针对Docker ubuntu的镜像操作进行了详细阐述：包括两种方式。

方式 1 1. 制作基础镜像 1) 在宿主机上安装 docker 框架： 2) 拉基础镜像：

  sudo docker pull ubuntu:18.04

3) 查看各个下载基础镜像：

  sudo docker images ubuntu:18.04

2. 制作专属镜像：anaconda + requirements.txt 1) 进入镜像：启动容器

 sudo docker run -i -t ubuntu:18.04 /bin/bash

2) 更改 apt-get 下载软件镜像源：换成国内阿里云镜像源（镜像终端）

 # 备份原镜像软件源
 mv /etc/apt/sources.list /etc/apt/sources.list.bak
 # 更改镜像为阿里镜像源
 echo "deb http://mirrors.aliyun.com/ubuntu/ trusty main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb http://mirrors.aliyun.com/ubuntu/ trusty-backports main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb http://mirrors.aliyun.com/ubuntu/ trusty-proposed main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb http://mirrors.aliyun.com/ubuntu/ trusty-security main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb http://mirrors.aliyun.com/ubuntu/ trusty-updates main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb-src http://mirrors.aliyun.com/ubuntu/ trusty main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb-src http://mirrors.aliyun.com/ubuntu/ trusty-backports main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb-src http://mirrors.aliyun.com/ubuntu/ trusty-proposed main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb-src http://mirrors.aliyun.com/ubuntu/ trusty-security main multiverse restricted universe" >> /etc/apt/sources.list &&
 echo "deb-src http://mirrors.aliyun.com/ubuntu/ trusty-updates main multiverse restricted universe" >> /etc/apt/sources.list

3) 更新源:（镜像终端）

 apt-get update
 apt-get install wget

4) 把本地安装文件上传至 docker ubuntu: （宿主机终端）

 # 查看正在运行的容器 id
 sudo docker ps
 # 复制文件至 docker ubuntu 镜像
 sudo docker cp  /home/shichao/workspace/project/defrost/update/second_stage_kafka/v100/carrefour/Anaconda3-2019.10-Linux-x86_64.sh 061095ea358c:/home/anaconda_3.sh

5) 在镜像中下载 anaconda :（镜像终端）

 # 下载 anaconda：该版本对应 python3.6
 wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.1.0-Linux-x86_64.sh
 # 安装 anaconda
 bash Anaconda3-5.1.0-Linux-x86_64.sh
 # 过程中全部都选择 yes
 # 使环境变量生效
 source ~/.bashrc
 # 查看是否生效：若出现 conda 4.4.10 则安装配置成功
 conda -V

6) 保存镜像：在保存镜像前保证容器不退出（宿主机终端）

 # 查看容器 id （宿主机终端）
 sudo docker ps
 # 按我们的需求更改的容器,我们可以通过命令 docker commit 来提交容器副本 （宿主机终端）
 (base) shichao@DL:~$ sudo docker commit -m "carrefour" -a "shichao" 1683ab3e55f0 shichao/ubuntu:v1
 # 参数解释如下：
 -m: 提交的描述信息
 -a: 指定镜像作者
 1683ab3e55f0：容器 ID
 shichao/ubuntu:v1: 指定要创建的目标镜像名
 # 查看新镜像 shichao/ubuntu:v1
 sudo docker images

7) 退出镜像：容器也退出（镜像终端）

 root@b08d897d4b97:/home/files# exit

8) 用新镜像启动一个容器：（宿主机终端）

 sudo docker run -t -i shichao/ubuntu:v1 /bin/bash

9) 进入一个正在启动的容器镜像：（宿主机终端）

 # 查看容器 id:
 sudo docker ps -a
 # 进入容器 id 为 1683ab3e55f0 的容器
 sudo docker exec -it 1683ab3e55f0 /bin/bash

10）镜像中安装 python 依赖：（镜像终端）

 # 拷贝依赖到容器镜像中：（宿主机终端）
 sudo docker cp  /home/shichao/workspace/project/defrost/update/second_stage_kafka/v100/carrefour/requirements.txt 061095ea358c:/home/files/requirements.txt
 # 用 anaconda 自带的 pip 安装 (镜像终端)
 root@061095ea358c:/home/files# pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
 # 返回到 6 进行保存容器

11）提交镜像到仓库：（宿主机终端）

 # 登录 https://harbor.arfa.wise-paas.com 与仓库建立联系
 # -u 后是用户名
 # -p 后是密码
 sudo docker login -u **.chang -p Wen** https://harbor.arfa.***.com
 # 本地镜像 shichao/ubuntu:v5 与仓库中 carrefour:v1.0.0 建立对应关系
 sudo docker tag shichao/ubuntu:v5 harbor.arfa.***.com/microservice/carrefour:v1.0.0
 # push 到仓库
 sudo docker push harbor.arfa.***.com/microservice/carrefour:v1.0.0

方式 2 （推荐） 1）在宿主机上安装 docker : 2）应用 APP 目录如下：

   project  
     ├── requirements.txt
     ├── Dockerfile
     └── app
         └── app.py
         └── 

3）创建 Dockerfile:

 touch Dockerfile

4）Dockerfile 内容如下：

 FROM ubuntu:18.04
 
 #MAINTAINER jhao104 "j_hao104@163.com"
 #MAINTAINER shichao
 
 RUN  sed -i s@/archive.ubuntu.com/@/mirrors.aliyun.com/@g /etc/apt/sources.list
 
 RUN apt-get update -y && \  
     apt-get install -y python3-pip python3-dev
 
 WORKDIR /app
 
 COPY ./requirements.txt /app/requirements.txt
 
 RUN pip3 install -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple
 
 COPY app/ /app/
 #ADD ./app.zip /
 
 ENTRYPOINT [ "python3" ]
 
 # 启动镜像后启动 app 的命令
 CMD [ "/app/consumer_defrost.py" ]
 

5）编译生成镜像：

 # shichao/ubuntu:v3.0.1 是镜像名称
 sudo docker build -t shichao/ubuntu:v3.0.1 .

6）启动镜像测试：

 sudo docker run shichao/ubuntu:v3.0.1

7）提交镜像到仓库：

详细见  [20200303: 制作 Docker ubuntu:18.04 镜像：方式 1]  

上述内容，如有侵犯版权，请联系作者，会自行删文。

推荐阅读：

吐血整理|3D视觉系统化学习路线

那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）

超全的3D视觉数据集汇总

大盘点|6D姿态估计算法汇总(上)

大盘点|6D姿态估计算法汇总（下）

机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划

汇总|3D点云目标检测算法

汇总|3D人脸重建算法

那些年，我们一起刷过的计算机视觉比赛

总结|深度学习实现缺陷检测

深度学习在3-D环境重建中的应用

汇总|医学图像分析领域论文

大盘点|OCR算法汇总

重磅！3DCVer-知识星球和学术交流群已成立

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导，550+的星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

欢迎加入我们公众号读者群一起和同行交流，目前有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加群或投稿