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
|