想让代码运行起来，首先需要干什么？配环境
程序依赖很多（Python库、linux包、C++库等）、版本又各不相同而且，可能面临开发在windows、部署在linux这种尴尬而且，你刚配好环境，boss又给你两台新机器，让你再配一遍 1、虚拟机
将程序和环境封装到虚拟机
用VMware，在windows系统下装个Ubuntu然后在Ubuntu里配好环境，保存快照以后就用此快照，在任意机器的VMware里还原环境
虚拟机好像挺美，But，面临很多问题
资源占用多虚拟机自己的启动就需要几百兆内存；虚拟机会独占一部分内存和硬盘空间，即便程序仅仅是个hello world； 冗余步骤多
虚拟机是完整的操作系统，系统级别的操作无法跳过，比如用户登录 启动慢
启动虚拟机，就像电脑开机，需要几分钟时间 2、Docker（简单版的虚拟机）
如logo所示，Docker就是一个集装箱，将程序及其环境打包在一起；
相比于虚拟机，docker容器是一种非常轻量的虚拟化技术；
一台主机运行成百上千个Docker容器是家常便饭；
Docker概念：
镜像（image）：一个静态文件，里面保存了代码及其环境；容器（image）：运行镜像，产生容器，容器里面就可以跑我们的程序；（多次运行同一个镜像产生多个容器，可用于多进程并发）仓库（registry）：托管镜像文件的网站，
公开的 https://hub.docker.com/私有的 每个公司有自己的dockerhub 二、Docker标准工作流
编写Dockerfile文件，指定基础镜像、依赖安装、添加代码、服务启动命令等
# 声明基础镜像版本，选择pytorch官方镜像（执行容器或创建容器的时候会从hub.docker网站将镜像拉取下来）# 如果base镜像pull得很慢，可以更新国内的镜像源，比如：https://reg-mirror.qiniu.comFROM pytorch/pytorch:1.3-cuda10.1-cudnn7-runtime# 声明维护者MAINTAINER old-wei # 首先拷贝requirements.txt进dockerCOPY ./requirements.txt /requirements.txt# 安装python依赖（如果安装较慢，请更换国内pip源：-i https://pypi.douban.com/simple/）RUN pip install -r /requirements.txt# 将当前目录里的所有代码拷贝到目标docker容器对应的data/app目录COPY 、/data/app# 设置默认的工作目录WORKDIR /data/app# 设置系统编码为utf-8，防止中文乱码ENV LANG C.UTF-8# 设置暴露8000端口EXPOSE 8000# CMD（command命令）启动http服务，（也可以选择启动rpc服务，或者两个同时启动）CMD cd /data/app/scripts && sh start_http_server.sh
测试不利用缓存：将安装requirements.txt放到COPY 代码之后
# 声明基础镜像版本，选择pytorch官方镜像FROM pytorch/pytorch:1.3-cuda10.1-cudnn7-runtime# 声明维护者MAINTAINER old-wei # 将当前目录里的所有代码拷贝到目标docker容器对应的data/app目录COPY 、/data/app# 首先拷贝requirements.txt进dockerCOPY ./requirements.txt /requirements.txt# 安装python依赖（如果安装较慢，请更换国内pip源：-i https://pypi.douban.com/simple/）# RUN pip install -r /requirements.txt -i https://pypi.douban.com/simple/RUN pip install -r /requirements.txt# 设置默认的工作目录WORKDIR /data/app# 设置系统编码为utf-8，防止中文乱码ENV LANG C.UTF-8# 设置暴露8000端口EXPOSE 8000# CMD（command命令）启动http服务，（也可以选择启动rpc服务，或者两个同时启动）CMD cd /data/app/scripts && sh start_http_server.sh
1.2 编写build.sh基于Dockerfile，通过docker build命令构建镜像；
img_name=api-segment # 镜像名，即项目名img_tag=`date '+%Y%m%d_%H%M%S'` # 声明镜像tag为 日期+时间（实践中需要关联上git的commit-id）docker build -f Dockerfile -t ${img_name}:${img_tag} .
运行sh build.sh，构建镜像
1.3 上传自定义的docker镜像通过docker push，将镜像推到dockerhub；
1.4 手动docker run，测试服务hello路由docker run ****************************
默认执行Dockerfile文件中的CMD命令。
2、部署阶段 确保镜像已在本地，从远程pull镜像；
docker run命令，输入服务名、镜像名、端口映射、目录挂载、环境变量等；
待容器内服务启动成功，访问http接口
可以docker exec进入容器，排查问题；
可将容器当成一个简单版的虚拟机，执行各种linux命令；
3、使用经验 镜像是分层构建的，善于利用缓存，加快构建速度；当前层及以前，命令或内容不变，则利用缓存base镜像，推荐官方提供的基础镜像，方便、靠谱；比如pytorch或tensorflow官方的base镜像容器即服务，将容器就等同于服务：容器起来，服务起来；容器退出，服务退出容器是单进程模式，不推荐使用多进程；如需使用多进程并发，推荐起多个容器；容器无状态，重要的数据或模型要挂载出来，防止数据丢失 三、构建dev镜像dev镜像的主要目的是为了【跑测试】和【开发调试】
1、编写docker/Dockerfile.devFROM pytorch/pytorch:1.3-cuda10.1-cudnn7-runtimeMAINTAINER old-wang COPY ./requirements.txt /requirements.txtRUN pip install -r /requirements.txt# 安装ssh，用于远程debug（在本地运行服务器上的的python解释器，需借助ssh）# 实际工作中，本地环境一般不具备各种gpu硬件资源，无法运行gpu方面的程序。此时必须借助远程debug。RUN apt-get update --fix-missing && apt-get install --fix-missing -y openssh-serverRUN mkdir -p /var/run/sshdRUN echo 'root:root' | chpasswdRUN sed -i 's/PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_configRUN echo 'PermitRootLogin yes' >> /etc/ssh/sshd_configRUN sed 's@sessions*requireds*pam_loginuid.so@session optional pam_loginuid.so@g' -i /etc/pam.d/sshdENV NOTVISIBLE "in users profile"RUN echo "export VISIBLE=now" >> /etc/profileCOPY 、/data/appWORKDIR /data/appENV LANG C.UTF-8EXPOSE 8000CMD cd /data/app/ && python tests/unit_tests/env/run_unit_tests.py
2、构建测试镜像build_dev.sh
img_name=api-segment:devdocker build -f docker/Dockerfile.dev -t ${img_name} .
四、Docker总结 Docker就是一个集装箱，将程序及其环境打包在一起；相比于虚拟机，docker容器是非常轻量，一台主机运行成百上千个容器是家常便饭；镜像：保存代码及其环境的文件；容器：运行镜像，产生容器，容器里跑我们的程序；仓库：托管镜像文件的网站；熟练掌握docker run、docker exec、docker build等基本命令