十分钟学会构建自己的Docker镜像

2023-11-10 微信公众号口袋大数据

加入收藏

制作Docker镜像一般有2种方法：

使用hub仓库中已有的环境，安装自己使用的软件环境后完成image创建
通过Dockerfile，完成镜像image的创建

拉取已有镜像进行改造

十分钟学会构建自己的Docker镜像

这部分将介绍以ppocr镜像为基础镜像拉取并改造的过程。

步骤 1：运行 PPOCR 容器

首先，运行 PPOCR 容器。可以使用以下命令：

docker run -itd --name ppocr -p 9000:9000 duolabmeng666/paddlehub_ppocr:1.0 /bin/bash -c "sh /PaddleOCR/start.sh"

这将在本地启动一个 PPOCR 容器，该容器将在端口 9000 上提供服务。

步骤 2：移动文件到容器

将所需的文件移动到容器内，使用docker cp命令：

docker cp /data/keyword_api.py ppocr:/home

这将就把 keyword_api.py 文件复制到正在运行的 PPOCR 容器的 /home 目录下。

步骤 3：创建个人镜像托管实例

因为dockerhub的网络环境并不友好，我们可以使用阿里云的镜像空间来代替。可以在容器镜像服务 (aliyun.com)中创建自己的个人实例，并创建相应的镜像仓库。

步骤 4：提交容器镜像

之后在服务器上登录到 Docker Registry，需要使用以下命令：

docker login --username=xxxxxx registry.cn-shanghAI.aliyuncs.com

然后进入到容器中安装相应的依赖

docker exec -it  container_id /bin/bash

修改完之后，使用以下命令将正在运行的容器保存为镜像：

docker commit [ImageId] my_saved_image

步骤5：打标签和推送镜像

使用以下命令打标签并将容器镜像推送到阿里云 Docker Registry：

docker tag [ImageId] registry.cn-shanghai.aliyuncs.com/your_repository/your_image_name:your_image_version
docker push registry.cn-shanghai.aliyuncs.com/your_repository/your_image_name:your_image_version

确保your_repository、your_image_name 和 your_image_version 替换为实际的仓库、镜像名称和版本号。使用的话将容器拉取下来即可。

Dockerfile 文件构建镜像

如果是希望构建自定义的 Docker 镜像而不是从已有镜像中提交容器，可以使用 Dockerfile。以下是一个示例 Dockerfile 的构建步骤：

步骤 1：编写 Dockerfile 创建一个名为 Dockerfile 的文本文件

FROM registry.cn-shanghai.aliyuncs.com/koudaimao/bigdata_api:v1
设置端口
EXPOSE 8099
切换工作目录到 /home
WORKDIR /home
安装系统工具和 cron
RUN apt-get update && apt-get install -y cron
设置环境变量
ENV PATH="/usr/local/Python/ target=_blank class=infotextkey>Python3.7.0/bin:/usr/local/python3.7.0/include:/home/cmake-3.16.0-linux-x86_64/bin:/usr/local/gcc-8.2/bin:/usr/local/nvidia/bin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/local/go/bin:/root/gopath/bin" 
CUDA_VERSION=10.2.89 
CUDA_PKG_VERSION=10-2=10.2.89-1 
LD_LIBRARY_PATH="/usr/local/python3.7.0/lib:/usr/local/nvidia/lib:/usr/local/nvidia/lib64" 
NVIDIA_VISIBLE_DEVICES=all 
NVIDIA_DRIVER_CAPABILITIES=compute,utility 
NVIDIA_REQUIRE_CUDA="cuda>=10.2 brand=tesla,driver>=396,driver<397 brand=tesla,driver>=410,driver<411 brand=tesla,driver>=418,driver<419 brand=tesla,driver>=440,driver<441" 
NCCL_VERSION=2.8.3 
LIBRARY_PATH=/usr/local/cuda/lib64/stubs 
CUDNN_VERSION=7.6.5.32 
WITH_GPU=ON 
WITH_AVX=ON 
HOME=/root 
CPLUS_INCLUDE_PATH=/usr/local/python3.7.0/include/python3.7: 
GOROOT=/usr/local/go 
GOPATH=/root/gopath
启动命令
RUN chmod +x keyword.sh
添加 cron 任务到容器
RUN (crontab -l ; echo "0 23 * * * sh /home/keyword.sh") | crontab
RUN (crontab -l ; echo "10 23 * * * rm -r /home/tmp/*") | crontab
同时运行 Python 代码和 cron 服务
CMD python3 /home/keyword_and_video_info.py && cron -f

这个 Dockerfile 包括了以下关键步骤：

使用基础镜像。
设置容器端口和工作目录。
安装系统工具和 cron。
设置环境变量，根据你的需求进行适当的配置。
启动命令，包括给定的 keyword.sh
添加两个 cron 任务，在每天的晚上11点运行

步骤 2：构建 Docker 镜像

使用以下命令构建 Docker 镜像，将上述 Dockerfile 放在与 Dockerfile 同一目录中：

docker build -t my-container-image .

步骤 3：运行容器

使用以下命令运行容器，同时在后台执行 Python 代码和 cron 服务：

docker run -d my-container-image

这样就创建了一个后台运行的容器，来定期任务后台任务。

需要注意的是，如果容器内没有后台执行的任务，则运行的容器在创建后的一秒钟后便会退出，如果没有后台任务又不想容器退出的话，可以使用

CMD ["tail", "-f", "/dev/null"]

放到dockerfile的尾部。