Docker Tutorial

Docker

Preliminaries

使用Docker之前必须要先安装docker！参考链接 Docker安装^[1]。笔者实测在如下本地环境中可以正常安装：

Distributor ID: Ubuntu
Description:    Ubuntu 24.04.2 LTS
Release:        24.04
Codename:       noble

Docker安装直接sudo apt install会报错，需要先更新软件源之后再sudo apt update刷新缓存之后，就可以正常的安装。

Introduction

Why We Need Docker?

依赖地狱问题^[2],是指在计算机软件中，是指在操作系统中由于软件之间的依赖性不能被满足而引发的问题。一个软件包依赖于其它必要的软件包（且版本要符合要求），使得软件包系统形成了复杂的依赖关系网络，并可能引发一系列问题。一些软件包可能因为依赖性无法满足，需要安装大量软件包；另一方面，一个软件包的卸载可能引发数量众多的软件包无法工作。

这就会导致同一个软件在更换环境之后出现诸多异常的情况（对底层软件和工具链的依赖性过强），进而导致一系列的环境兼容问题。

如何解决，一种很常见的方法是只要高级的包管理工具，例如Debian的apt系列（apt install就是在安装软件包）。而虚拟机（例如VMware）实现了另一种解决方案，即没有一致的环境就创造一致的环境，通过分系统的配置可以实现环境的统一。

但是虚拟机的一大痛点就是过于笨重，因为需要模拟完整的操作系统，Windows OS动辄几十GB，同时安装VM虚拟机需要直接使用主机的内存和CPU。而Docker实现了这一问题的轻量级实现，在低资源占用，快启动，高性能的基础之上完美的实现了版本和环境的隔离！

CI/CD

CI/CD（Continuous Integration / Continuous Delivery or Deployment）是现代软件开发的核心实践，旨在通过自动化流程快速、可靠地构建、测试和发布代码。它是 DevOps 文化的关键技术支撑。

在CI/CD中，从开发环境到测试环境中的build就需要使用Docker镜像！这样有助于开发和测试人员统一环境配置，更好的对代码进行审查。

CI/CD是一个很有意思的东西~希望以后可以开个新坑讲一讲。

Quick Startup

我们当然可以直接上代码！但是笔者希望先讲一点点的原理和基本概念~

图片来源

虚拟机笨重的很重要的一个原因就是他需要和硬件进行交互，并且模拟操作系统的运行。而Docker很聪明的绕过了这一点，将Docker Engine建立在了操作系统之上，作为链接各种软件和底层操作系统的拦路虎，并在此之上建立相互隔离的Docker Container，实现不同软件包的隔离。

Docker Image

在虚拟机中，存在快照（Snapshot）的概念，即在特定时间点保存虚拟机状态的技术。快照可以捕获虚拟机的整个运行状态，包括其内存、CPU 状态、硬盘内容和网络状态。这样，用户可以在将来恢复到这个状态，方便进行测试、备份或恢复操作。对于Docker来说，Docker Image就是一种更轻量级的快照（因为在操作系统的上层），一个只读的模板，包含运行应用所需的代码、运行时环境、库和配置。

Docker Container

在准备好镜像之后，将镜像实例化就是创建Docker Container的过程，并且不同的Container之间实现了隔离的功能，（可以把Docker Image看做抽象出来的类，而Docker Container就是实例化之后的对象），在Docker Container中，我们就有了修改的权限。

Docker File

如何构建镜像？我们不可能手动安装每一个依赖包（这还不如虚拟机），因此我们就需要编写自动化脚本来实现镜像的构建，有点类似于cmakelists.txt。

Initial Project

在学习完Docker的这三个基本概念之后，就可以开始上手第一个Docker项目了！我们来看下面的示例：我们希望使用Docker“隔离”出一个环境来运行Helloworld，同时，为了增加复杂性，我们将会引入pip包管理系统，来看看Docker如何在创建image的时候自动的就把环境给配好了。

首先，我们需要创建一个working directory：

.
├── Dockerfile
├── main.py
└── requirements.txt

1 directory, 3 files

其中Dockerfile是脚本，而剩下两个文件就是实际Python开发中需要的文件。

import numpy as np

print("Hello world")
print("This is my first docker project")

random_number = np.random.randint(1,30)
print(random_number)

# in requirements.txt
numpy

接下来，我们需要创建一个Image，可以来支持运行我们基础的Python文件，我们可以使用如下的Dockerfile来实现这个功能：

# Using Docker image officially
FROM python:3.9-slim

# Setting the directory
WORKDIR /app

# 将当前目录的文件复制到容器的/app目录
COPY . .

# Several commands when installing the environments
RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r ./requirements.txt

# 定义容器启动时执行的命令
CMD ["python", "main.py"]

• FROM python:3.9-slim代表下载Docker官方的Python镜像，可以在Docker Hub上找到你想要的镜像。
• WORKDIR /app是设置容器的工作目录。（这一点在后面会讲到）
• COPY . .代表将当前目录的文件复制到容器的/app目录，当然你也可以只复制你想要的。
• RUN部分的指令是Docker的精髓：
  • RUN 指令用于在构建镜像时执行命令（例如安装软件、配置环境等）
  • 他支持命令行脚本语句，具体就是使用/bin/sh -c
  • 也只是exec格式，相当于更灵活的命令行parser：RUN ["/bin/bash", "-c", "echo Hello World"]
• CMD部分和RUN非常想，但是实在容器启动（已经被实例化）之后需要执行的命令。

简单来说，RUN就是安装环境，而CMD就是执行命令。

故意报点错

我们不妨先将RUN那一行注释掉，看会发生什么：

docker build -t python-helloworld .

使用docker build来实现构建docker镜像（Dockerfile -> Docker Image的过程），-t后接后缀镜像的名字，注意最后的 . 表示当前目录是构建上下文。

failed to fetch metadata: fork/exec /usr/local/lib/docker/cli-plugins/docker-buildx: no such file or directory

DEPRECATED: The legacy builder is deprecated and will be removed in a future release.
            Install the buildx component to build images with BuildKit:
            https://docs.docker.com/go/buildx/

Sending build context to Docker daemon  4.096kB
Step 1/4 : FROM python:3.9-slim
 ---> 501f96d59d70
Step 2/4 : WORKDIR /app
 ---> Using cache
 ---> a4e76098ab7c
Step 3/4 : COPY . .
 ---> 51a1c6924060
Step 4/4 : CMD ["python", "main.py"]
 ---> Running in a3dbbb5ffd68
 ---> Removed intermediate container a3dbbb5ffd68
 ---> fb4b52ccc604
Successfully built fb4b52ccc604
Successfully tagged python-helloworld:latest

Docker build成功了！接下来我们使用docker run来实现镜像的实例化。

docker run --rm python-helloworld 

其中python-helloworld就是镜像的名字，而--rm代表创建临时镜像，适合作为临时的调试。

非常推荐安装Vscode的Docker插件，可以实时监控Docker的镜像和示例container：

貌似出现报错了…看看报错信息

Traceback (most recent call last):
  File "/app/main.py", line 1, in <module>
    import numpy as np
ModuleNotFoundError: No module named 'numpy'

也就是说，Docker已经成功设置好了一个Python的解释器的镜像（在Python-helloworld中），但是未安装相关包numpy的依赖，导致脚本文件运行失败。

完整运行

现在我们把注释掉的命令恢复，docker build again！

Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Collecting numpy
  Downloading https://pypi.tuna.tsinghua.edu.cn/packages/b9/14/78635daab4b07c0930c919d451b8bf8c164774e6a3413aed04a6d95758ce/numpy-2.0.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (19.5 MB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 19.5/19.5 MB 15.3 MB/s eta 0:00:00
Installing collected packages: numpy
WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv
Successfully installed numpy-2.0.2

[notice] A new release of pip is available: 23.0.1 -> 25.1
[notice] To update, run: pip install --upgrade pip

我们发现他成功执行了我们的脚本！这下再Docker run就可以正常输出信息了！

Hello world
This is my first docker project
15

Some tips

我们也可以直接使用docker pull来安装镜像！例如执行docker pull amd64/python，就拉取了一个针对 AMD64 架构的官方 Python 镜像，相当于安装了一个Python解释器，同样，我们也可以针对这个docker image进行docker run。

More Advanced Usage

到这里，Docker的基本命令就差不多了！个人感觉Docker的CLI做的还是比较清爽的，不像某些bash脚本一样要加上各种各样奇奇怪怪的后缀😅。

For more advanced usage, to be continued in the future.

References

1. https://yeasy.gitbook.io/docker_practice/install/ubuntu ↩
2. https://zh.wikipedia.org/zh-cn/%E7%9B%B8%E4%BE%9D%E6%80%A7%E5%9C%B0%E7%8B%B1 ↩