【dockerpython】亲测有效！适合新手！docker创建conda镜像+容器使用（挂载、端口映射、gpu使用）+云镜像仓库教程

docker基本概念简介

简单来讲，docker可以理解为一个虚拟机，里面用来存放运行程序所需要的环境（各种包）

docker里面有三个基本概念：镜像、容器和仓库：镜像和容器的关系，其实类似于类和对象的关系（镜像就是模板，容器则是从镜像实例化出的一个实例）；而云仓库存的是镜像！

• 先把自己本地环境打包成docker file，然后上传到仓库；
• 然后再从仓库下载镜像文件到Linux服务器；
• 将下载下来的镜像文件实例化成容器；
• 最后，运行容器即可！

配置镜像加速源

如果不配置镜像加速源的话，下载一些基础镜像的时候会失败！所以这步必须配置！

（之前也是尝试了很多的命令行方法都没有成功，猜测因为wsl依赖于docker desktop的配置）

"registry-mirrors": ["https://inhj05a1.mirror.aliyuncs.com"]

创建conda镜像

1. 写 Dockerfile文件

FROM continuumio/miniconda3 AS base
WORKDIR /yhyENV PATH /opt/conda/envs/yhy/bin:$PATHRUN conda create --name yhy python=3.9 \&& /bin/bash -c "source activate yhy" \&& echo "conda activate yhy" >> ~/.bashrc \&& pip install -i https://pypi.tuna.tsinghua.edu.cn/simple \uvicorn fastapi torch loguru pydantic langchain vllm

2. 创建镜像

docker build -t yhy_conda -f Dockerfile .

镜像创建过程：

• 激活虚拟环境ing…
  
• 下载各种包ing…
  

3. 创建容器并测试

如下，执行创建容器并进入容器命令，从yhy_conda镜像中创建了一个名为yhy_conda_test的容器：

docker run -it --name yhy_conda_test yhy_conda:latest /bin/bash

执行pip list，可以发现包都已安装成功。

容器的使用

1. wsl挂载

以上过程中已经成功创建了conda镜像以及其实例化出的容器，我们可以在容器这个虚拟环境中运行python程序了，但是容器中东西是空的，并没有代码，直接的想法是和宿主机共享代码文件等资源，这里就需要用到挂载了。

挂载即：将宿主机的目录挂载到docker容器指定目录里，这样每次宿主机的目录修改了，这种修改会同步到对应的docker容器指定目录，从而实现文件的共享！

• 挂载命令：如下，将宿主机上的/mnt/e/job_document/AICode 挂载到docker的/yhy/AICode上

docker run -it --privileged=true -v /mnt/e/job_document/AICode:/yhy/AICode yhy_conda 

如下，可以发现已经挂载成功。

2. 端口映射

有时我们希望宿主机访问docker容器里的服务，但是docker容器的ip地址是随机分配的、变化的，外界并不能访问到，因此如果想要宿主机和docker容器通信，就要用到端口映射。

端口映射即：宿主机和docker共享ip地址，将docker的xx端口映射到宿主机的xx端口，这样在宿主机中通过宿主机ip地址（或127.0.0.1）就能访问到docker容器里的服务！

• 端口映射命令：将docker的12311端口映射到宿主机的80端口

docker run --gpus all -it --name yhy_container -p 80:12311 --privileged=true -v /mnt/e/job_doc
ument/AICode:/yhy/AICode yhy_conda 

• docker中为12311端口
  
• 宿主机用80端口访问成功！
  

3. 补充-gpu

如果想要在docker中使用宿主主机的GPU，则需要加上–gpus all参数。（如果失败，可能是没有安装nvidia-docker，官网或网上都有教程）

• 运行容器时，加上–gpus all!

docker run --gpus all -it --privileged=true -v /mnt/e/job_document/AICode:/yhy/AIC
ode yhy_conda

云镜像仓库使用

1. 登录

docker login

然后输入自己的用户名和密码！

2. 将本地镜像上传至云镜像仓库

docker tag yhy_conda cis-hub-dongguan-1.cmecloud.cn/mcloud-ai/yhy_conda
docker push cis-hub-dongguan-1.cmecloud.cn/mcloud-ai/yhy_conda

3. 从云镜像仓库下载镜像到本地

docker pull cis-hub-dongguan-1.cmecloud.cn/mcloud-ai/yhy_conda