Docker打包算法环境

本次Docker封装算法场景为CentOS7操作系统下使用Docker封装由anaconda（这个不重要）开发的算法：

系统：CentOS7
docker：19.03.13
anaconda：Anaconda3-2019.07-Linux-x86_64.sh

CentOS7安装Anaconda

将Anaconda.sh文件下载到所在位置

wget https://repo.continuum.io/archive/Anaconda3-2019.07-Linux-x86_64.sh

安装Anaconda

bash Anaconda3-2019.07-Linux-86_64.sh

一直回车，输入yes

增加环境变量

vim /root/.bashrc

输入内容如下

# added by Anaconda3 installer
export PATH='/root/anaconda3/bin:$PATH

保存退出后

source /root/.bashrc

验证Conda是否安装

conda --version

出现conda以及版本号即为正确安装

Anaconda创建虚拟环境

查看Conda信息

# 查看conda版本
conda --version
# 查看已存在的conda虚拟环境
conda env list
# 查看当前已安装的包
conda list

创建和删除虚拟环境

# 创建虚拟环境
conda create -n 虚拟环境名字 [python=3.7，此为选择python版本]

# 删除虚拟环境
conda remove -n 虚拟环境名字 --all

激活或退出虚拟环境

# 激活虚拟环境
conda activate 虚拟环境名字

# 退出虚拟环境
conda deactivate

CentOS安装Docker

安装Docker

# 下载docker的依赖
yum -y install yum-utils device-mapper-persistent-data lvm2

# 设置docker的镜像源
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

# 安装docker
yum makecache fast
yum -y install docker-ce

启动Docker

# 启动docker
systemctl start docker

# 设置开机自动启动
systemctl enable docker

# 验证docker是否启动
docker run hello-world
# 如果出现'Hello from Docker!'则表示docker已安装并启动

Docker封装算法

准备工作

单独文件夹下内容

1. 算法及数据文件夹
2. Dockerfile （Docker封装算法的重要文件）
3. requirements.txt （算法依赖环境清单）
4. 新文件夹（目标文件夹）

requirements.txt内容

例如:
numpy==1.19.3
pandas==1.1.3
sklearn==0.23.2

Dockerfile内容

重要的模块如下：

1. FROM（指定运行环境）
2. COPY（拷贝指令，可以将算法及数据复制到WORKDIR中）
3. WORKDIR（指定工作目录）
4. RUN（预运行指令）
5. CMD（docker运行时CMD运行指令）

# FROM python=指定版本
# COPY 文件夹（.表示当前文件夹） 目标文件夹
# WORKDIR 目标文件夹/
# RUN pip install -r requirements.txt，由于上面说的问题，我这里没有走requirements.txt
# CMD ['python', '文件名']

# 例如：
FROM python=3.7
COPY . /test
WORKDIR test/
RUN pip install -i https://pypi.douban.com/simple/ numpy pandas sklearn
CMD["python", "test.py"]

配置Docker国内服务器

# 修改docker配置文件
vim /etc/docker/daemon.json

输入内容如下

{"registry-mirrors":["https://registry.docker.cn.com"]}

重启docker

systemctl restart docker

Docker打包

# docker build -t tag名 Dockerfile所在位置
# 其中-t为给docker镜像打上tag标签
docker build -t test .

运行时我们将看到如下步骤

1. Step 1/5：FROM python:3.7
2. Step 2/5：COPY . test/
3. Step 3/5：WORKDIR /test
4. Step 4/5：RUN pip3 install --user -i https://pypi.douban.com/simple/ numpy pandas sklearn
5. Step 5/5：CMD ["python", "test.py"]

使用打包好的算法

# docker run 镜像名

# 例如：
docker run try