dock初识以及安装
富涛
一、dock入门
1、什么是dock
"""
Docker 是一个开源的应用容器引擎，基于 Go 语言 并遵从Apache2.0协议开源。
Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中，然后发布到任何流行的 Linux 机器上，也可以实现虚拟化。
容器是完全使用沙箱机制，相互之间不会有任何接口（类似 iPhone 的 app）,更重要的是容器性能开销极低。
"""
2、dock的使用场景
# 1、web应用服务
Web应用服务是使用最广泛的一类服务，典型的架构是前端一个Tomcat + Java服务，后端mysql数据库。
# 2、持续集成和持续部署
使用docker容器云平台，就能实现从代码编写完成推送到git/svn后，自动触发后端平台将代码下载、编译并构建成测试docker镜像，再替换测试环境容器服务，自动在Jenkins中运行单元/集成测试，最后测试通过后，马上就能自动将新版本镜像更新到线上，完成服务升级。
# 3、微服务架构使用
3、dock的优点
1、更快速的交付和部署
2、更高效的虚拟化
3、更轻松的迁移和扩展
4、更简单的管理
二、dock架构
1、docker引擎
"""
一 Docker引擎
docker引擎是一个c/s结构的应用，主要组件见下图：
Server是一个常驻进程
REST API 实现了client和server间的交互协议
CLI 实现容器和镜像的管理，为用户提供统一的操作界面
image是镜像
container是容器
注意：
Docker 容器通过 Docker 镜像来创建。
容器与镜像的关系类似于面向对象编程中的对象与类。
Docker ------> 面向对象
容器 ------> 对象
镜像 ------> 类
"""
https://img2018.cnblogs.com/blog/1350514/201905/1350514-20190523183937775-2046235548.png
2、dock的架构
"""
Docker使用C/S架构，Client 通过接口与Server进程通信实现容器的构建，运行和发布。client和server可以运行在同一台集群，也可以通过跨主机实现远程通信。
client：客户端
docker_host：宿主主机
registry：仓库：私服和中央仓库（Docker Hub）
"""
https://img2018.cnblogs.com/blog/1350514/201905/1350514-20190523184032744-1773786251.png
三、dock核心概念
1、镜像(image)
docker镜像用于创建docker模板
2、容器(container)
容器是独立运行的一个或一组应用
3、客户端(client)
Docker 客户端通过命令行或者其他工具使用 Docker API (https://docs.docker.com/reference/api/docker_remote_api) 与 Docker 的守护进程通信。
4、主机(host)
一个物理或者虚拟的机器用于执行 Docker 守护进程和容器。
5、仓库(registry)
Docker 仓库用来保存镜像，可以理解为代码控制中的代码仓库。
Docker Hub(https://hub.docker.com) 提供了庞大的镜像集合供使用。
四、安装
"""
Centos 上安装 Docker-CE
# 0 卸载老版本（新机器不用操作）
sudo yum remove docker \
docker-client \
docker-client-latest \
docker-common \
docker-latest \
docker-latest-logrotate \
docker-logrotate \
docker-engine
# yum list installed | grep docker
# yum remove docker-ce.x86_64 docker-ce-cli.x86_64
# rm -rf /var/lib/docker
# sudo yum update
# 1 安装必要的系统工具
sudo yum install -y yum-utils device-mapper-persistent-data lvm2
# 2 添加源信息
-官方：地址在国外，很慢
sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
-阿里云：（推荐）
sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
# 3 检查一下/etc/yum.repos.d/docker-ce.repo 中的url地址是不是都是阿里云
cat /etc/yum.repos.d/docker-ce.repo
# 4 安装
sudo yum -y install docker-ce
# 5 开启docker服务
systemctl start docker
# 6 docker info 查看docker信息
"""
"""
http://liuqingzheng.top/linux/Docker/2-Docker%E4%B9%8B%E5%AE%89%E8%A3%85/
安装博客地址 转载
"""
五、加速配置
1、为什么要用加速器
# 配置Docker加速器，将会提升在国内获取Docker官方镜像的速度，否则后面下载镜像（docker pull）的过程会很慢，甚至有可能无法下载镜像
# 配置阿里云/清华源加速器（docker 17以上版本）
# 方式1（仅对当次有效）
docker run centos:7 --registry-mirror=https://docker.mirrors.ustc.edu.cn
#修改 /etc/default/docker，加入 DOCKER_OPTS=”镜像地址”，可以有多个
DOCKER_OPTS="--registry-mirror=https://docker.mirrors.ustc.edu.cn"
# 方式2（json 配置文件的方式）（严格的json格式，不符合格式会报错）
vi /etc/docker/daemon.json
{
"registry-mirrors": ["https://docker.mirrors.ustc.edu.cn"]
}
'''
几个速度比较快的镜像地址
Docker 官方中国区: https://registry.docker-cn.com
网易: http://hub-mirror.c.163.com
中科大: https://docker.mirrors.ustc.edu.cn
'''
# 方式3（阿里云方式，同方式2，只是阿里云分配的私有地址，自己用自己的）
参考教程：https://help.aliyun.com/document_detail/60750.html?spm=a2c4g.11186623.6.545.OY7haW
vi /etc/docker/daemon.json
{
"registry-mirrors": [" https://6y89knr7.mirror.aliyuncs.com"]
}
阿里巴巴版
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"registry-mirrors": ["https://6y89knr7.mirror.aliyuncs.com"]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker
系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用
提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档
前言
提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
代码如下（示例）：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下（示例）：
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
总结
提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
类似资料：