主要分三步，制作镜像并导出，导入镜像，启动flask应用。该教程没有采用Dockerfile的方式，因为是直接将开发用python环境包，拷贝到生产用环境包。但是当笔者用这种方式完成镜像的保存后，发现就一个环境包+不到10个python文件，磁盘占用已达到7~8G的大小。相信开发用的python包中有很多库，是该应用没有涉及到的。如果用Dockerfile的方式，就可以比较精准控制哪些包是必须的，从而放到镜像内。故提醒哪些关注镜像大小的朋友谨慎入坑。
导出镜像
- 查看已有的基础镜像
docker images # 跟docker image ps效果一样
- 从基础镜像运行一个容器，并退出
docker run --name flask-app -it <镜像名> /bin/bash exit
- 如果想重新进入
docker start <容器ID> docker exec -it <容器ID> /bin/bash exit
- 查看正在运行或已经停止工作的容器列表，获得想要拷贝环境包的容器名
docker ps -a
- 将python环境包拷贝该容器
docker cp miniconda3_withpytorch.zip <容器ID>:/home/
- 进入容器，在这个比较干净的ubuntu环境中安装unzip
apt-get update apt-get install unzip #还应该安装netstat工具
- 解压python环境包，并删除压缩包，退出
unzip miniconda3_withpytorch.zip rm miniconda3_withpytorch.zip exit
- 将添加了环境包的容器名保存为镜像
docker commit flask-app topo-service:v1
- 可查看镜像列表
docker images REPOSITORY TAG IMAGE ID CREATED SIZE topo-service v1 2450d3fa63dc 23 seconds ago 5.4GB
- 仅仅是拷贝了一个2G左右的压缩包后解压，镜像就膨胀到5.4G。
- 将保存的镜像导出到指定目录，确保到处前该镜像已经创建并停止。
docker save -o /home/user/myapp.tar myapp:latest
导入镜像
- 将压缩包.tar考入到目标机器。
- 在命令行中使用
docker load命令来导入镜像：
docker load -i myapp.tar
- 导入完成后，可以使用
docker images命令查看已导入镜像的列表。
启动
启动容器，并将flask中暴露的端口映射成外部机器暴露的端口
docker run -p 8299:8299 -it topo-service:latest /bin/bash
进入容器内指定目录，启动flask服务
/home/your/path/python servicecase.py
启动工作完成，最后退出容器Ctrl + P + Q，不关闭容器，查看外部端口使用情况
netstat -anp | grep 8099
如果有输出，说明容器内的服务端程序启动成功，且端口正常暴露。
其他常用命令速递
删除容器
要删除已停止的容器，可以使用以下命令：
docker rm <容器ID>
其中，<容器ID>为要删除的容器的ID。如果要删除多个容器，可以在命令后面添加多个容器ID。
如果要删除所有已经停止的容器，可以使用以下命令：
docker container prune
退出容器
docker exec -it <容器ID> /bin/bash docker attach <容器ID> 以上两种方式进入容器的方式，使用exit退出，均会导致容器停止。包括run -it从镜像启动的容器。 Ctrl + P + Q退出容器不停止运行
