Docker 部署

1 完全清除旧版本docker

for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done

Images, containers, volumes, and networks stored in /var/lib/docker/ aren't automatically removed when you uninstall Docker. If you want to start with a clean installation,To delete all images, containers, and volumes:

sudo apt-get purge docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin docker-ce-rootless-extras
sudo rm -rf /var/lib/docker
sudo rm -rf /var/lib/containerd

2  安装docker Get DOcker

2.0 离线安装

1. Go to   docker download

2. Go to pool/stable/ and select the applicable architecture (amd64, armhf, arm64, or s390x).

3. Download the following deb files for the Docker Engine, CLI, containerd, and Docker Compose packages:

   • containerd.io_<version>_<arch>.deb
   • docker-ce_<version>_<arch>.deb
   • docker-ce-cli_<version>_<arch>.deb
   • docker-buildx-plugin_<version>_<arch>.deb
   • docker-compose-plugin_<version>_<arch>.deb
4. install all the deb

   sudo dpkg -i ./containerd.io_<version>_<arch>.deb \./docker-ce_<version>_<arch>.deb \./docker-ce-cli_<version>_<arch>.deb \./docker-buildx-plugin_<version>_<arch>.deb \./docker-compose-plugin_<version>_<arch>.deb
   

   2.1  X86_64在线安装docker-ce

sudo apt update
sudo apt install apt-transport-https ca-certificates curl software-properties-common -y
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
sudo apt update
sudo apt install docker-ce -y
sudo systemctl enable docker 

3 Docker 常用命令 

• docker  save -o  xxx.tar images_name
• docker load -i xxx.tar
• 启动 imaes as container  sudo docker run -it --runtime=nvidia -v /data:/work  images_name /bin/bash
• sudo docker run -d -it --runtime nvidia -v /data:/work  images_name /bin/bash(后台运行)
• docker  exec -it id  /bin/bash #进入容器，前提是必须执行上面步骤
• docker  exec -d id  /bin/bash /opt/command #后台进入docker 执行指令

4 更新docker里的文件，并打包成新镜像

      参考链接 docker 从入门到实践

1. docker run -d -it images_id /bin/shdocker psdocker exec -it contanined_id bashchange your fileexitdocker commit -m "提交信息" -a "作者" contain_id new_images_id:tagdocker imagesdocker save -o xxx.tar new_images_id

5 在docker 中使用GPU资源

1 在docker中使用gpu资源有以下几种方法：

• 因为GPU属于特定的厂商产品，需要特定的driver，Docker本身并不支持GPU。以前如果要在Docker中使用GPU，就需要在container中安装主机上GPU的driver，然后把主机上的GPU设备（例如：/dev/nvidia0）映射到container中。所以这样的Docker image并不具备可移植性。

  Nvidia-docker项目就是为了解决这个问题，它让Docker image不需要知道底层GPU的相关信息，而是通过启动container时mount设备和驱动文件来实现的。

在你使用 nvidia-docker2 的时候，你需要做的有两件事

• 安装GPU 的 driver Dirver Download
• 安装 docker 19.03
• 你不需要安装 CUDA
  • 集成到 nvidia-docker 了
  • 显卡驱动在主机上，包含显卡驱动和CUDA Driver,我们安装的cuda主要是cuda tookit(包含在nvidia-docker内)
• nvidai-docker 官方安装流程
• If you have a custom /etc/docker/daemon.json, the nvidia-docker2 package might override it.

nvidia-docker 2.0 的核心东西是nvidia-contained-runtime,它主要通过修改docker的配置文件/etc/docker/daemon.json来让docker使用NVIDIAContainerRuntime。

如你安装完nvidia-docker2,deamon.json 内容如下,确保本地部署的模型在GPU上正确运行

{"runtimes": {"nvidia": {"path": "nvidia-container-runtime","runtimeArgs": []}}
}

2   在Docker启动命令上携带参数可以调用GPU资源。以下是两种方法：

• 使用--gpus参数：指定使用的GPU设备。可以使用多个参数来指定多个设备，例如--gpus all表示使用所有GPU设备，--gpus 0,1表示使用编号为0和1的两个设备。

        示例：docker run --gpus all my_image

• 使用--runtime=nvidia参数：指定使用NVIDIA GPU运行时，需要在安装Docker时安装NVIDIA Container Toolkit。

        示例：docker run --runtime nvidia my_image

• 另外，也可以使用--device参数来指定使用的GPU设备，例如--device=/dev/nvidia0:/dev/nvidia0表示使用/dev/nvidia0设备。但需要注意的是，该参数的使用方法可能会因不同的操作系统和Docker版本而略有不同。
• Ubuntu 在线安装 nvidia-docker2

  #install nvidia-docker2
  curl -sL https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
  distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
  curl -sL https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | tee /etc/apt/sources.list.d/nvidia-docker.list
  sudo apt update
  sudo apt install nvidia-docker2 -y

  6 常见docker 镜像

•  Nvidia Jetson 系列 

• Huawei Ascend

• nvidia/cuda

• nvidia container runtime on Jeston

• CUDA upgrade for Jetson User