全網最硬核 Java 新記憶體模型解析與實驗單篇版(不斷更新QA中)
阿新 • • 發佈:2022-03-30
Docker常用指令
遠端映象倉庫
可以建立一個阿里雲的映象倉庫參考這個教程或者百度
然後登入到該遠端倉庫:
docker login --username=雨天rain0510 registry.cn-qingdao.aliyuncs.com
#這些指令你建立遠端倉庫後,倉庫介面都會有的
基本指令
映象相關
docker images |
檢視本地映象 |
---|---|
docker ps |
檢視當前活躍的容器 |
docker ps -a |
檢視所有容器 |
docker exec -it [CONTAINER ID] /bin/bash |
進入到執行中/後臺的容器 |
docker build -t 映象名:映象版本標籤 . |
根據dockerfile 檔案建立映象,. 指的就是在. 下找dockerfile 檔案 |
docker pull nvcr.io/nvidia/pytorch:20.12-py3 |
從遠端拉去映象 |
docker push registry.cn-qingdao.aliyuncs.com/rainboy/nvidia-pytorch:20.12-py3.8 |
推送本地映象到遠端,注意這裡本地映象名和遠端倉庫地址相同 |
docker tag IMAGEID registry.cn-qingdao.aliyuncs.com/rainboy/nvidia-pytorch:20.12-py3.8 |
給已有的映象重新命名,重新命名格式為(遠端倉庫名:版本號) |
docker rmi IMAGEID 或者 docker rmi REPOSITORY:TAG |
刪除映象 |
docker save -o aa.tar 映象 |
將指定映象儲存為.tar 檔案 |
docker load -i aa.tar |
載入.tar 映象檔案 |
容器相關
docker rm [CONTAINER ID] |
刪除容器 |
---|---|
docker kill [CONTAINER ID] |
結束正在執行的容器 |
docker run --gpus all -it --rm nvcr.io/nvidia/pytorch:xx.xx-py3 /bin/bash |
執行映象並進入容器(會建立一個與你映象名相同的容器)(--gpus all 是會呼叫GPU )(-it 加上後面的/bin/bash 會以互動模式啟動一個容器,並執行/bin/bash 命令)(--rm 會在容器退出時自動清理儲存下來的容器系統檔案)(也可以用--name 指定容器名字) |
docker run -p (主機)80:(容器)80 -v (主機)/data:/data -d nginx:latest |
使用映象 ,以後臺模式啟動一個容器,將容器的 80 埠對映到主機的 80 埠,主機的目錄 /data 對映到容器的 /data ;(-d 是以後臺模式啟動) |
exit |
退出正在執行的容器 |
docker commit 容器名 新映象名:版本號 |
我們可以在容器中進行更改,比如安裝一些東西,新增一些檔案等,然後退出該容器,用docker ps -a 檢視該容器的ID ,然後可以將我們進行的修改儲存為另一個新的映象;也可以除錯好了,在Dockerfile 中進行修改,重新生成映象;commit操作不僅會把有用的修改儲存下來,對一些無關的修改也會儲存下來(每一個命令列操作都會生成儲存如ls操作)就會導致映象比較臃腫;建議在Dockerfile 中修改
|