创建Python数据分析的Docker镜像+Docker自定义镜像commit,Dockerfile方式解析+pull,push,rmi操作

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: 实例解析Docker如何通过commit,Dockerfile两种方式自定义Dcoker镜像,对自定义镜像的pull,push,rmi等常用操作,通过实例创建一个Python数据分析开发环境的Docker镜像.1.通过commit操作在一个已有的镜像上做更改而保存为新的镜像.2.实例解析Dockerfile自定义镜像原理过程和命令规则.3.实例解析对自定义镜像做pull,pu

实例解析Docker如何通过commit,Dockerfile两种方式自定义Dcoker镜像,对自定义镜像的pull,push,rmi等常用操作,通过实例创建一个Python数据分析开发环境的Docker镜像.1.通过commit操作在一个已有的镜像上做更改而保存为新的镜像.2.实例解析Dockerfile自定义镜像原理过程和命令规则.3.实例解析对自定义镜像做pull,push,rmi等常用操作.

0.0.查看本地已有的镜像

wxl@wxl-pc:~$ docker images

这里写图片描述

其实,本地已经包含两个镜像(根据自己获取的镜像稍有不同),它们的字段描述是
- REPOSITORY:来自于哪个库,如hello-world
- TAG:版本号,如lastest,16.04等。如果在docker run image 中未指定镜像版本则默认是latest。
- IMAGE ID:每个镜像都有对应的ID
- CREATED,SIZE分别是镜像创建时间,镜像大小

这些镜像来源是从Docker Hub上获取下来的,所以,根据REPOSITORY的名称可以在网页上搜索到该镜像。如查hello-world镜像
这里写图片描述

The tags for each image, for example 14.04.
The image ID of each image.

0.1.提前下载镜像

除了docker run命令会下载本地不存在的镜像外,docker pull(类似于git pull,git push)可以单纯的下载镜像而不运行。
这样预下载后,在使用该镜像的时候可以马上使用,再也不用因为网络原因而等待很久了。下载一个本地没有的镜像,如centos

wxl@wxl-pc:~$ docker pull centos

这里写图片描述

0.2.可以通过两种方式来创建自己的Docker镜像实例

- commit方式,更新已有的镜像并将更新的结果提交。
- Dcokerfile方式,使用 Dockerfile命令去创建镜像

1.commit方式,对已有的镜像的自定义并将结果提交为一个新的镜像

docker commit命令可以快速通过一个已经存在的镜像做更改,创建一个的副本镜像.

1.0.注意:如果网络条件不好,可以跳过步骤1.1,反正是在原有的容器上做更改提交为一个新的镜像,也可以不做更改提交为新的镜像

#进入已有的镜像centos中
wxl@wxl-pc:~$ docker run -t -i centos /bin/bash

1.1.创建一个定义的python数据分析环境的Docker镜像

在提前pull的镜像中做更改,如centos中搭建python数据分析环境,为python2安装setuptool和pip工具,从而安装numpy,pandas等第三方包(科学栈).

#安装wget拉取所需要的包
[root@0c28c802c5e6 pip-8.1.2]# yum install wget
#通过wget下载setuptool和pip
[root@0c28c802c5e6 lib]# wget https://pypi.python.org/packages/1f/7a/6b239a65d452b04ad8068193ae313b386e6fc745b92cd4584fccebecebf0/setuptools-25.1.6.tar.gz#md5=fa165d9e7f9b68378076fa0aa3df8abd

[root@0c28c802c5e6 lib]# wget https://pypi.python.org/packages/e7/a8/7556133689add8d1a54c0b14aeff0acb03c64707ce100ecd53934da1aa13/pip-8.1.2.tar.gz#md5=87083c0b9867963b29f7aba3613e8f4a

#在当前如/下分别对下载的setuptool和pip解压
[root@0c28c802c5e6 lib]# tar -zxf setuptools-25.1.6.tar.gz
[root@0c28c802c5e6 lib]# tar -zxf pip-8.1.2.tar.gz


#进入对应的路径安装setuptool
[root@0c28c802c5e6 lib]# cd setuptools-25.1.6
[root@0c28c802c5e6 setuptools-25.1.6]# ./setup.py install

#安装pip
[root@0c28c802c5e6 lib]# cd  pip-8.1.2
[root@0c28c802c5e6 pip-8.1.2]# python setup.py install
#安装Numpy
[root@0c28c802c5e6 pip-8.1.2]# pip install numpy
#完成

通过pip list查看numpy及其他第三方包

[root@0c28c802c5e6 pip-8.1.2]# pip list

这里写图片描述

1.2.在完成你想要做的改变后,可以通过以下命令提交一个更改后的镜像副本副本.

注意参数,-m是对修改内容的描述,而-a则是作者署名.反斜杠后边的是一个id,如[root@0c28c802c5e6 pip-8.1.2]#
这表示操作的镜像容器的id是0c28c802c5e6,如果,在通过wxl@wxl-pc:~$ docker run -t -i centos /bin/bash都会的到不同的容器id.

这里写图片描述

所以要填写你在shell里做了半天更改的那个容器id如6d548e7a5285

wxl@wxl-pc:~$ docker commit -m "Added python setuptool pip numpy" -a "wangxiaolei" 0c28c802c5e6 mycentos:mydev

通过docker images命令看到已经创建了自己的的mycentos镜像

这里写图片描述

2.dockerfile方式,自定义一个新的镜像

docker build可以从头开始创建一个新的镜像,优点是创建的镜像有利于团队分享

2.1.首先创建一个镜像文件夹和dockerfile

wxl@wxl-pc:~/Docker$ mkdir wxlimage
wxl@wxl-pc:~/Docker$ cd wxlimage
wxl@wxl-pc:~/Docker/wxlimage$ touch Dockerfile

2.2.在Dockerfile中写入创建镜像自定义命令,这是一个自定义的过程,

wxl@wxl-pc:~/Docker/wxlimage$ vim Dockerfile

注意命令是需要大写的,后面跟参数,写入如下内容

FROM ubuntu:14.04
MAINTAINER wangxiaolei <email@email.com>
RUN echo "my images ,Dockerfile" && mkdir test

其中,FROM是镜像的版本信息,MAINTAINER是作者信息RUN是在镜像内部执行的命令,如更新源并安装vim

这里写图片描述

2.3.执行docker build命令

通过docker build一个自定义的镜像,特别注意 命令后变动.“点”在当前文件下执行build命令时代表Dockerfile命令.如果在文件夹外部,需要讲点替换成带有正确路径的Dockerfile(目的是找到Dockerfile文件并读取文件内容).

wxl@wxl-pc:~/Docker/wxlimage$ docker build -t new/wxlimage:v1 .

这里写图片描述

2.4.从新创建的镜像中运行容器

wxl@wxl-pc:~/Docker/wxlimage$ docker run -t -i new/wxlimage:v1 /bin/bash
#退出
exit

2.5.给新做的镜像打一个新的标签

wxl@wxl-pc:~/Docker/wxlimage$ docker tag 6f2021485011 new/wxlimage:v2

这里写图片描述

3.pull,push,rmi

3.1.digests是对docker镜像的摘要描述,只要镜像不改变,摘要是可以预知的,可以通过digests对镜像做Pull和push操作

wxl@wxl-pc:~/Docker/wxlimage$ docker images --digests | head

这里写图片描述

wxl@wxl-pc:~/Docker/wxlimage$ docker pull ubuntu@sha256:9274d908eb6d9a3784e93290fcc49f3c5618db9e1b0174ee27f9fc75aa3c0fb0

这里写图片描述

除了在pull和push可以使用digest外,还可以在镜像的create,run,rmi或者build镜像时Dockerfile中的FROM作为参考标示进行对应操作.

3.2.push一个镜像到docker hub

wxl@wxl-pc:~/Docker/wxlimage$ docker push mycentos

这里写图片描述

3.3.删除本地镜像

删除一个本地镜像

wxl@wxl-pc:~/Docker/wxlimage$ docker rmi new/wxlimage:v2

这里写图片描述

目录
相关文章
|
8天前
|
SQL 安全 数据库
Ruby on Rails 数据库迁移操作深度解析
【7月更文挑战第19天】Rails 的数据库迁移功能是一个强大的工具,它帮助开发者以版本控制的方式管理数据库结构的变更。通过遵循最佳实践,并合理利用 Rails 提供的迁移命令和方法,我们可以更加高效、安全地管理数据库结构,确保应用的稳定性和可扩展性。
|
17天前
|
存储 数据挖掘 OLAP
阿里云 EMR Serverless StarRocks OLAP 数据分析场景解析
阿里云 E-MapReduce Serverless StarRocks 版是阿里云提供的 Serverless StarRocks 全托管服务,提供高性能、全场景、极速统一的数据分析体验,具备开箱即用、弹性扩展、监控管理、慢 SQL 诊断分析等全生命周期能力。内核 100% 兼容 StarRocks,性能比传统 OLAP 引擎提升 3-5 倍,助力企业高效构建大数据应用。本篇文章对阿里云EMR Serverless StarRocks OLAP 数据分析场景进行解析、存算分离架构升级以及 Trino 兼容,无缝替换介绍。
18984 2
|
26天前
|
存储 算法 搜索推荐
深入解析String数组的操作与性能优化策略
深入解析String数组的操作与性能优化策略
|
22天前
|
数据采集 机器学习/深度学习 数据可视化
完整的Python数据分析流程案例解析-数据科学项目实战
【7月更文挑战第5天】这是一个Python数据分析项目的概览,涵盖了从CSV数据加载到模型评估的步骤:获取数据、预处理(处理缺失值和异常值、转换数据)、数据探索(可视化和统计分析)、模型选择(线性回归)、训练与评估、优化,以及结果的可视化和解释。此流程展示了理论与实践的结合在解决实际问题中的应用。
52 1
|
22天前
|
存储 数据管理 数据库
CRUD操作实战:从理论到代码实现的全面解析
【7月更文挑战第4天】在软件开发领域,CRUD代表了数据管理的四个基本操作:创建(Create)、读取(Read)、更新(Update)和删除(Delete)。这四个操作构成了大多数应用程序数据交互的核心。本文将深入讲解CRUD概念,并通过一个简单的代码示例,展示如何在实际项目中实现这些操作。我们将使用Python语言结合SQLite数据库来演示,因为它们的轻量级特性和易用性非常适合教学目的。
39 2
|
5天前
|
运维 Kubernetes Docker
|
1月前
|
监控 关系型数据库 分布式数据库
PolarDB时间范围内PCU用量统计:深度解析与操作指南
了解PolarDB云原生数据库的PCU计费至关重要,1PCU相当于1核2GB资源。文章详述如何统计指定时间内PCU用量:登录控制台,查看集群监控,导出数据分析,或使用API接口获取信息。统计结果有助于分析数据库负载、优化资源使用和成本控制。通过对比不同时间段的PCU用量,用户可做出扩展或优化决策。未来,PolarDB有望提供更强大的统计工具。
|
1月前
|
域名解析 网络协议 Ubuntu
docker快速部署DNS,实现快速上线
docker快速部署DNS,实现快速上线
|
25天前
|
存储 算法 搜索推荐
深入解析String数组的操作与性能优化策略
深入解析String数组的操作与性能优化策略
|
25天前
|
JavaScript
js 解析和操作树 —— 获取树的深度、提取并统计树的所有的节点和叶子节点、添加节点、修改节点、删除节点
js 解析和操作树 —— 获取树的深度、提取并统计树的所有的节点和叶子节点、添加节点、修改节点、删除节点
33 0