docker


ubuntu安装docker

使用清华源安装,地址,按照文档操作即可。

设置docker源为阿里镜像

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://2sjdzxnu.mirror.aliyuncs.com"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

操作

进入 container

docker exec -it container-name/id /bin/sh

最后的 /bin/sh 可以换成 /bin/bash

tensorflow

系统ubuntu 18.04,显卡Gtx950,驱动390。

  1. 安装nvidia-dockernvidia-container-runtime
1
2
3
4
5
6
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
  sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
1
2
sudo apt-get install -y nvidia-docker2=2.0.3+docker18.09.1-1 nvidia-container-runtime=2.0.0+docker18.08.1-1
sudo pkill -SIGHUP dockerd

测试一下

docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

如果报错docker: Error response from daemon: Unknown runtime specified nvidia.

解决方法:

Systemd drop-in file sudo mkdir -p /etc/systemd/system/docker.service.d sudo tee /etc/systemd/system/docker.service.d/override.conf <<EOF [Service] ExecStart= ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=nvidia=/usr/bin/nvidia-container-runtime EOF sudo systemctl daemon-reload sudo systemctl restart docker Daemon configuration file sudo tee /etc/docker/daemon.json <<EOF { "runtimes": { "nvidia": { "path": "/usr/bin/nvidia-container-runtime", "runtimeArgs": [] } } } EOF sudo pkill -SIGHUP dockerd 再次测试。

  1. 安装tensorflow的docker,由于驱动旧,不能使用最新的tensorflow版本,就先用1.11.0版本。还要用python3,所以安装的docker image是这个sudo docker pull tensorflow/tensorflow:1.11.0-gpu-py3
1
sudo docker run -p 8888:8888 --volume "$PWD":/notebooks --runtime=nvidia -it tensorflow/tensorflow:1.11.0-gpu-py3

启动后会直接打开一个jupyter,可以先做一下gpu的测试。 这样就算是搭号GPU环境了。

但是这个环境中没有安装opencv-python或者opencv-contrib-python,也没有~/.keras/modelsinception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5文件。

这里可能需要自己再打包一个image,可以参考这个链接
还可以试一下用映射解决

--volume为“映射”,当前目录($PWD)中的文件,会反映容器中个的/notebooks目录下。
tensorflow这个image会启动一个jupyter,其中就可以访问到$PWD目录。

腾讯云的docker仓库

账号w..........
密码w...1......

docker image build -t site .

方案1:使用hugo命令手动将也构建到public目录,然后启动docker是映射目录
sudo docker container run --rm --name myblog -p 80:80 -p 443:443 --volume "$PWD/public":/usr/share/nginx/html site

方案2:使用hugo server -D命令运行测试服务器,修改nginx的default.conf文件,加入反向代理配置。

登录腾讯云 docker registry

sudo docker login --username=wangshushuo hub.tencentyun.com
登录 registry 的用户名是您 Tencent Hub 的用户名,密码是您开通 Tencent Hub 用户时设置的密码。

从 registry 拉取镜像

sudo docker pull hub.tencentyun.com/wangshushuo/site:[tag]

其中 [tag] 请根据您的镜像版本信息进行填写。

将镜像推送到 registry

1
2
3
4
5
sudo docker tag [ImageId] hub.tencentyun.com/wangshushuo/site:[tag]

sudo docker login --username=wangshushuo hub.tencentyun.com
sudo docker tag site hub.tencentyun.com/wangshushuo/site
sudo docker push hub.tencentyun.com/wangshushuo/site

加速image文件上传到云服务器。

云服务器的快带只有1m,我猜测上传速度会很慢,一个image文件有七八十兆,可能要上传很久。

腾讯云有免费的docker仓库,可以上传image文件。

再从腾讯云服务器pull image文件,就很快。

将wordpress的nginx配置改掉了

docker开启在8080端口,修改了原来wp的配置为:

server {
  listen 80;
  listen 443 ssl http2;
  ssl_certificate /usr/local/nginx/conf/ssl/1_wowfriday.cn_bundle.crt;
  ssl_certificate_key /usr/local/nginx/conf/ssl/2_wowfriday.cn.key;
  ssl_protocols TLSv1 TLSv1.1 TLSv1.2;
  ssl_ciphers EECDH+CHACHA20:EECDH+AES128:RSA+AES128:EECDH+AES256:RSA+AES256:EECDH+3DES:RSA+3DES:!MD5;
  ssl_prefer_server_ciphers on;
  ssl_session_timeout 10m;
  ssl_session_cache builtin:1000 shared:SSL:10m;
  ssl_buffer_size 1400;
  add_header Strict-Transport-Security max-age=15768000;
  ssl_stapling on;
  ssl_stapling_verify on;
  server_name wowfrday.cn;
  access_log /data/wwwlogs/wowfrday.cn_nginx.log combined;
  index index.html index.htm index.php;
  root /data/wwwroot/wowfrday.cn/;

  if ($ssl_protocol = "") { return 301 https://$host$request_uri; }
  

  location /{
    proxy_pass https://localhost:8080;
  }
}

phpmyadmin

docker run --name myphpadmin -d -e PMA_ARBITRARY=1 -p 8080:80 phpmyadmin/phpmyadmin
updatedupdated2020-10-122020-10-12