02 Docker实战之使用Docker管理测试环境

简介: 02 Docker实战之使用Docker管理测试环境

回顾

「3个场景快速上手Docker容器技术」

   

背景

在开发或测试过程中,我们常常需要不同(版本)的依赖(应用)环境。以往我们通常直接在当前环境上安装需要的依赖(应用),考虑如下几个问题,是否都遇到过:

  1. 新依赖(应用)部署完了,想回退/恢复到旧版本,就不好操作了;
  2. 同一应用的不同版本不得不借助一些第三方式工具进行管理,甚至为了方便,将不同版本的应用部署在不同的机器上;
  3. 开发提测了服务,但在测试环境却无法跑起来;    


解决措施

有了Docker容器技术后,以上问题就统统解决了。


操作步骤

下面开始介绍如何使用Docker容器管理测试环境,本文以python依赖环境为例子:

  • 我们直接从Docker官方镜像平台拉取一个python环境,并将它运行起来:
# -it参数指定以/bin/bash交互式运行
# --name参数给该容器起一个名字
docker run -it --name python docker.io/python:3.6.4 /bin/bash
  • 在容器里安装我们需要的依赖或其他第三方开源库,如下面安装freetds-dev和unixodbc-dev这两个依赖:
# 其他需要的依赖可以自行安装
apt-get install freetds-dev
apt-get install unixodbc-dev
  • 安装完后退出容器(可以使用ctrl+p+q快捷键),但不要结束容器;
使用ctrl+p+q快捷键
  • 将我们的修复提交,得到新的镜像:
# -m 参数为提交的log信息,相当于git log
# 39eaa5aa7332为容器的id,可通过docker ps命令查看
docker commit -m "add freetds-dev and unixodbc-dev lib" 39eaa5aa7332 python3.6.4-dev


总结:

「Docker管理测试环境的步骤有3步」

  1. 运行一个基础镜像容器;
  2. 在容器进行修改:服务安装、依赖更新等;
  3. 使用docker commit命令提交我们的修改。

是不是特别方便?我们可以构建任意我们需要的镜像,并可以进行发布,与他人共享使用。在团队里使用此功能可以大大提高工作效率,还可以避免因环境不一致带来的各种问题。


下集预告

  • 使用Docker提高测试执行效率
  • 使用Docker管理测试数据
相关文章
|
18天前
|
SQL 关系型数据库 数据库
国产数据实战之docker部署MyWebSQL数据库管理工具
【10月更文挑战第23天】国产数据实战之docker部署MyWebSQL数据库管理工具
58 4
国产数据实战之docker部署MyWebSQL数据库管理工具
|
7天前
|
JSON Java 测试技术
SpringCloud2023实战之接口服务测试工具SpringBootTest
SpringBootTest同时集成了JUnit Jupiter、AssertJ、Hamcrest测试辅助库,使得更容易编写但愿测试代码。
36 3
|
12天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
27 1
|
1月前
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
1189 1
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
16天前
|
前端开发 数据管理 测试技术
前端自动化测试:Jest与Cypress的实战应用与最佳实践
【10月更文挑战第27天】本文介绍了前端自动化测试中Jest和Cypress的实战应用与最佳实践。Jest适合React应用的单元测试和快照测试,Cypress则擅长端到端测试,模拟用户交互。通过结合使用这两种工具,可以有效提升代码质量和开发效率。最佳实践包括单元测试与集成测试结合、快照测试、并行执行、代码覆盖率分析、测试环境管理和测试数据管理。
32 2
|
17天前
|
前端开发 JavaScript 数据可视化
前端自动化测试:Jest与Cypress的实战应用与最佳实践
【10月更文挑战第26天】前端自动化测试在现代软件开发中至关重要,Jest和Cypress分别是单元测试和端到端测试的流行工具。本文通过解答一系列问题,介绍Jest与Cypress的实战应用与最佳实践,帮助开发者提高测试效率和代码质量。
27 2
|
1月前
|
机器学习/深度学习 监控 计算机视觉
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
本文介绍了如何使用YOLOv7进行目标检测,包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注,适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接,以及详细的步骤说明,适合深度学习实践者参考。
308 0
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
1月前
|
机器学习/深度学习 XML 并行计算
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程,包括数据准备、模型训练、验证和测试。
153 0
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
1月前
|
机器学习/深度学习 算法 PyTorch
目标检测实战(五): 使用YOLOv5-7.0版本对图像进行目标检测完整版(从自定义数据集到测试验证的完整流程)
本文详细介绍了使用YOLOv5-7.0版本进行目标检测的完整流程,包括算法介绍、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。YOLOv5以其高精度、快速度和模型小尺寸在计算机视觉领域受到广泛应用。
408 0
目标检测实战(五): 使用YOLOv5-7.0版本对图像进行目标检测完整版(从自定义数据集到测试验证的完整流程)
|
1月前
|
计算机视觉 异构计算
目标检测实战(四):YOLOV4-Tiny 源码训练、测试、验证详细步骤
这篇文章详细介绍了使用YOLOv4-Tiny进行目标检测的实战步骤,包括下载源码和权重文件、配置编译环境、进行简单测试、训练VOC数据集、生成训练文件、准备训练、开始训练以及多GPU训练的步骤。文章还提供了相应的代码示例,帮助读者理解和实践YOLOv4-Tiny模型的训练和测试过程。
113 0

热门文章

最新文章