‘壹’ Docker 1.6.2 的 Client API 不支持stats了吗
由于 Docker 编译需要依赖于 Docker Daemon ，所以只能在 64 位的 linux 环境下先安装 Docker 程序，再从 Github 上克隆 Docker 的代码进行编译。 在 Docker 的目录下执行 make 命令将默认执行 Makefile 中 make binary 指令进行编译。 ? defaul...
‘贰’ 如何在 CentOS 7 上安装 Docker
在编译docker代码之前肯定需要研究一下docker的代码结构以及官方推荐的方式，因为docker是开源的，所以很多第三方开发者参与。那么官方肯定会给出开发环境搭建的文档，所以拿到代码肯定先研究官方的编译方法。通过文档和代码了解到docker官方推荐的是在docker本身的容器里面搭建环境和编译，官方给出的是一个基于ubuntu的dockerfile。不过正是这个dockerfile可以清楚的知道需要为了编译准备哪些依赖环境，为我们后面自己编译提供了环境搭建的基础。然后就尝试了官方的编译方案，结果各种网络问题导致编译通不过，当然网上也有相应的解决方案，基本上就是替换一些依赖源（国外的被墙了）。但是就算编译通过了也只是一个基于ubuntu的二进制文件，只能在ubuntu的相应的系统上运行。我们需要的是一个可以在centos7上运行的二进制文件，关键要搭建一个可以持续开发和编译测试的环境。当然也可以制作一个centos7的dockerfile文件，对照着官方的ubuntu的dockerfile也很简单。但是这些都是还需要有一个前提，就是需要先安装一个以前版本的docker来启动这个环境涩，好处也是杠杠的，可以在任何一台能够运行docker的系统上进行开发和测试，而且可以进行持续集成。不过对于我们来说能够编译出一个稳定运行在centos7上的二进制文件即可，所以就尝试直接在本地进行编译，而不是通过docker的容器进行。
经过研究docker的官方编译脚步，发现本地编译也很简单，只需要在docker源码的目录下执行如下命令即可：
./hack/make.sh binary
上面这条命令就只会生成docker的二进制文件，不过肯定不会这么顺利的，执行这个命令你就会发现错误。如果第一次执行报的错误应该是找不到相应的go依赖包。那么现在就开始解决第一个问题，go依赖包。
解决go依赖包最直接的方法就一个一个去github或者其他地方去下载到本地，但是这样做很麻烦，docker依赖的go语言包很多，然后依赖包可能又依赖其他包。这里有一个简单实用的办法，也是go语言管理项目的方便之处。通过go get命令来自动下载，例如发现报错的是docker某一个目录下的依赖包，那么可以如下执行：
go get -v ./src/github.com/docker/docker/...
这条命令执行以后整个docker目录下源文件依赖的包都会被自动下载。如果发现其他目录下源文件也报同样的错误，可以按照次方法解决。不过这里需要强调一点，这些下载都是会下载最新的包，如果编译老的docker肯定会出问题，如果编译最新的docker代码肯定不会有问题，因为官方的编译是这种方式。
上面执行的命令都是建立在go语言环境建立成功的基础上，我安装的go遇到是1.3.3版本的，采用源码方式安装。安装在/export/servers/go下面，然后所有的go语言工程源码目录放在/export/servers/gopath。然后配置环境变量在用户的根目录下的.bashrc文件里面如下：
export GOPATH=/export/servers/gopath
export GOROOT=/export/servers/go
export GOARCH=amd64
export GOOS=linux
然后docker的代码目录如下：/export/servers/gopath/src/github.com/docker/docker。这样才能在gopath下面进行依赖包的下载。通过上面的方法把所有依赖包下载完以后就可以进行编译了。
在继续编译的过程中还会遇到缺少c语言依赖包缺少的问题，主要有三个，（1）sqlite3;（2）device-mapper;（3）btrfs.
第一个sqlite3可以使用如下命令安装依赖：yum install sqlite-devel.x86_64
第二个在官方的dockerfile文件里面有解决方案，执行如下命令：
git clone --no-checkout https://git.fedorahosted.org/git/lvm2.git /usr/local/lvm2 && cd /usr/local/lvm2 && git checkout -q v2_02_103
cd /usr/local/lvm2 && ./configure --enable-static_link && make device-mapper && make install_device-mapper
第三个btrfs使用如下安装依赖： yum install btrfs-progs。
这些依赖都解决了就继续编译，这个时候可能会出现ld连接错误，提示找不到库。因为docker编译的方式完全是static，所以所有依赖的库必须还要有相应的静态库（.a），而不是动态库(.so)。刚才通过yum install sqlite-devel.x86_64安装了sqlite3的依赖，但是最后发现里面没有静态库，所以编译ld的时候出错了。我的解决办法就是重新到sqlite3的官方网站下载了源码包，然后编译安装即可。
编译完成以后，就会在docker源码目录下的bundles/1.3.1/binary/目录有如下文件：
docker docker-1.3.1 docker-1.3.1.md5 docker-1.3.1.sha256
docker-1.3.1这个文件就是我们需要的二进制文件了，docker是一个软连接到docker-1.3.1的文件。
到此就成功完成编译了，以后修改了代码重新支持编译脚步即可：
./hack/make.sh binary
‘叁’ carla-docker中编译carla ue4血泪史
carla官方之前推荐的在carla中导入新地图的方式是在ubuntu下使用UE4加carla插件进行地图加工然后导出，但是比较麻烦，然后官方在2020年4月份将之前的方法归类为不推荐方式。推荐在docker下使用carla提供的脚本便捷生产carla地图。然后就开始了入坑之旅。
carla官方给出的教程 在此 .
1.安装docker-ce
参考此 教程
2.安装python 3.6或着更高版本。（ubuntu 18.04默认为python3.6 可跳过此步骤）
3.安装 ue4-docker
4.使用ue4-docker配置ubuntu防火墙。
多说几句，在进行此步骤后，明明已经安装了 ue4-docker，但是运行时提示 ue4-docker不存在或者未安装，最后通过将 ue4-docker文件拷贝到bin文件夹下解决。具体参考 这里
5.编译docker镜像
重要 注意将4.22.2更改为4.24.3
此步耗费时间较长，因为要安装差不多10个G的UE依赖。
此步骤是具体如下编译编译carla所需依赖的镜像，听起来比较拗口，但就是这样。
创建真正的Carla镜像。
‘肆’ 一文教您如何通过 Docker 快速搭建各种测试环境
目录
一、镜像加速
Docker 默认是从官方镜像地址 Docker Hub 下下载镜像，由于服务器在国外的缘故，导致经常下载速度非常慢。为了提升镜像的下载速度，我们可以手动配置国内镜像加速器，让下载速度飚起来。
国内的镜像加速器选项较多，如：阿里云，DaoCloud 等。
本文主要说说如何配置阿里云的镜像加速器。
2.1 登录阿里云获取加速信息
https://dev.aliyun.com/
2.2 配置 Docker
2.2.1 确定 Docker Client 版本
在配置之前，首先需要 确定 Docker Client 的版本，推荐是 1.10.0+ :
2.2.2 配置镜像加速器
PS: 这里以 CentOS 系统为例，如果你是别的系统，可以参考阿里云配置加速器官方文档。
通过修改 daemon 配置文件 /etc/docker/daemon.json 来使用加速器：
执行下面命令：
2.3 验证一下速度
以下载 mongodb 为例，看下速度：
配置了加速器过后，速度终于飚起来了。
二、快速安装&搭建 Mysql 环境
本节中，我们将学习如何通过 Docker 快速安装与搭建 Mysql 环境。
2.1 下载 Mysql 镜像
这里以 Mysql 5.7 为例：
下载完成后，通过 docker images 检查一下镜像是否下载成功:
2.2 先以最简单方式启动
先以简单的方式启动：
命令执行完成后，你也可以通过 docker ps 命令来确认下容器是否启动成功。若成功，我们需要将容器中的目录文件复制到宿主机中，分别包括：
完成这一切后，让我们将刚刚运行的容器删除掉。
PS: mysql 是我们运行容器时，指定的名称，当然，你也可以先执行 docker ps , 通过容器 ID 来删除。
2.3 正式运行 Mysql 容器
接下来，正式运行 Mysql 容器：
其他不变，额外添加了两个挂载子命令：
执行命令完成后，查看下容器是否启动：
可以看到，容器运行成功
2.4 通过 Mysql 客户端连接一下试试
通过 MySQL 客户端连接刚刚创建的 mysql, 看看能否连接成功：
连接成功了！
三、快速安装&搭建 Redis 环境
本节中，我们将学习如何利用 Docker 安装&搭建 Redis 环境。
3.1 下载 Redis 镜像
首先拉取 Redis 镜像, 这里我选择的是 redis:alpine 轻量级镜像版本：
下载完成后，通过 docker images 确认镜像是否已经下载到本地：
3.2 运行 Redis 容器
命令说明：
命令运行完成后，查看容器是否启动成功：
可以看到 redis 容器已经启动成功了！
3.3 连接刚刚创建好的容器
执行如下命令，连接 redis：
四、快速安装&搭建 MongDB 环境
本节中，我们将学习如何通过 Docker 快速安装与搭建 MongoDB 环境。
4.1 下载 MongoDB 镜像
这里以 mongo 4 版本为例，下载镜像：
下载完成后，确认一下镜像是否下载成功:
4.2 运行 MongoDB 镜像
下载成功后，运行 mongoDB 镜像：
执行命令完成后，查看下容器是否启动：
4.3 添加管理员账号
执行命令：
然后，创建一个拥有最高权限 root 账号:
创建成功后，你会看到 Successfully added user :
4.4 用新创建的 root 账户连接，测试一下
连接成功后，我们可以执行相关 sql：
显示所有的数据库：
使用某个数据库：
输入命令 exit ，退出连接！
五、快速安装&搭建 Elasticsearch 环境
本节中，我们将学习如何通过 Docker 快速安装与搭建 Elasticsearch 环境。
5.1 下载 Elasticsearch 镜像
这里以 Elasticsearch 6.5.0 为快速安装&搭建 Elasticsearch 环境例：
下载完成后，通过 docker images 检查一下镜像是否下载成功:
5.2 先简单运行 Elasticsearch 镜像
下载成功后，简单运行 Elasticsearch 镜像：
命令执行完成后，你也可以通过 docker ps 命令来确认下容器是否启动成功。
可以看到 es 容器运行成功了，接下来，进入容器中：
安装 analysis-ik 中文分词插件：
PS: es 从 v5.5.1 版本开始支持自带的 es 插件命令来安装，如果你安装的版本不是 6.5.0，需要将命令中的版本号修改一下，具体参考 https://github.com/medcl/elasticsearch-analysis-ik
安装成功后，退出容器：
删除刚刚运行的容器：
PS: 当然了，你也可以通过容器的 ID 来删除。
5.3 复制相关文件
5.4 修改 es 相关配置
进入我们刚刚指定的 config 配置目录，修改 jvm.options 文件：
PS: 因为小哈测试服务器就 2G 内存，这里我改成了 JVM 内存占用 300m, 如果你的内存够用，可不用改。
修改 elasticsearch.yml 文件, 添加如下配置：
解释一下添加的配置，设置节点为 master 节点，并允许跨域访问，以便后面使用 head 插件图形化界面访问。
5.5 运行 Elasticsearch 容器
这次，我们额外添加了相关挂载命令：
5.6 测试一下，瞅瞅 es 是否能够正常访问
测试一下，看 es 是否启动成功：
OK, 到此 es 的单节点环境就搭建好了！
欢迎工作一到五年的Java工程师朋友们加入Java程序员开发： 721575865
群内提供免费的Java架构学习资料（里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料）合理利用自己每一分每一秒的时间来学习提升自己，不要再用"没有时间“来掩饰自己思想上的懒惰！趁年轻，使劲拼，给未来的自己一个交代！
‘伍’ 【docker】docker的容器创建与管理过程
# yum -y install docker docker-ce-cli containerd.io
# rpm -qa | grep container
# rpm -qa | grep docker
# rpm -ql docker-ce-cli | grep bin
# rpm -ql docker-ce | grep bin
# rpm -ql containerd.io | grep bin
# systemctl status docker
# systemctl status containerd
/var/run/docker.sock
/run/containerd/containerd.sock
/usr/bin/docker 和 /usr/bin/dockerd 就是命令行客户端和daemon
dcocker的架构是 C/S 模式
docker-containerd
docker-containerd-ctr
docker-containerd-shim
docker-init
docker-proxy
docker-runc
其实最简单的方式，就是加个命令行参数 --help 看看他们的简介。
可以看出来，docker-init, docker-containerd-shim 和 docker-proxy 没有在帮助里告诉我们是干什么的，其他的都有：
docker-containerd: 高性能容器运行时
docker-containerd-ctr: docker-containerd 的命令行客户端
docker-runc: 运行容器的命令行工具
如果去搜索一番，就会发现：docker-containerd 就是 containerd ，而 docker-runc 就是 runc 。
containerd是真正管控容器的daemon，执行容器的时候用的是runc。
为什么 要分的七零八散呢？
我估计其中主要的原因是防止docker垄断，因此把容器标准独立出来，就有了 runtime-spec ，然后有了 runc ，然后有了 containerd (此处发展历史没有考究，并不关心)。
可以看出来，docker本身其实已经被剥离干净了，只剩下docker自身的一些特色功能了，真正容器的管控都在containerd里实现。
所以接下来介绍的顺序是 runc, containerd, shim, docker-init, docker-proxy。
runc是标准化的产物，为了防止一家商业公司主导容器化标准，因此又了open containers组织，因此，创建容器，其实最终通过runc就可以了。
dockerd 有个子进程，是 containerd，然后 containerd 有子进程。
从 官方仓库 的描述可以看出来，其实 containerd 就包含了我们常用的 docker 的命令：
增删查改容器
增删查改镜像
也就是说，如果我们要对容器进行操控，直接使用 containerd 其实就够了。
说明： 如果没有单独起一个containerd，而是使用了 docker-containerd，通过 ps aux | grep docker 发现它使用了 /var/run/docker/containerd/containerd.toml 这个配置文件，而监听路径就写在里面。
shim的翻译是垫片，就是修自行车的时候，用来夹在螺丝和螺母之间的小铁片。
关于shim本身，网上介绍的文章很少，但是作者在 Google Groups 里有解释到shim的作用：
https://groups.google.com/forum/#!topic/docker-dev/zaZFlvIx1_k
1. 允许runc在创建&运行容器之后退出
2. 用shim作为容器的父进程，而不是直接用containerd作为容器的父进程，是为了防止这种情况：当containerd挂掉的时候，shim还在，因此可以保证容器打开的文件描述符不会被关掉
3. 依靠shim来收集&报告容器的退出状态，这样就不需要containerd来wait子进程
因此，使用shim的主要作用，就是 将containerd和真实的容器（里的进程）解耦 ，这是第二点和第三点所描述的。
而第一点，为什么要允许runc退出呢？
因为，Go编译出来的二进制文件，默认是静态链接，因此，如果一个机器上起N个容器，那么就会占用M*N的内存，其中M是一个runc所消耗的内存。 但是出于上面描述的原因又不想直接让containerd来做容器的父进程，因此，就需要一个比runc占内存更小的东西来作父进程，也就是shim。但实际上， shim仍然比较占内存（ 参考这里 ）。
我们都知道UNIX系统中，1号进程是init进程，也是所有孤儿进程的父进程。
而使用docker时，如果不加 --init 参数，容器中的1号进程 就是所给的ENTRYPOINT。
而加上 --init 之后，1号进程就会是 tini 。
在entrypoint.sh中使用Tini的优势是什么？
https://zhuanlan.hu.com/p/59796137
用来做容器和宿主机之间的端口映射，其底层是使用iptables来完成的。
The docker-proxy
https://windsock.io/the-docker-proxy
docker本身而言包括了，docker client和dockerd（docker daemon），dockerd本身实属是对容器相关操作的api的最上层封装，
直接面向操作用户。
dockerd
dockerd本身实属是对容器相关操作的api的最上层封装，直接面向操作用户。
containerd
dockerd实际真实调用的还是 containerd的api接口（rpc方式实现 ），containerd是dockerd和runc之间的一个中间交流组件。
containerd-shim
containerd-shim是一个运行的容器的真实垫片载体，每启动一个容器都会起一个新的docker-shim进程。
他直接通过指定的三个参数：容器id，boundle目录（containerd的对应某个容器生成的目录，一般位于：/var/run/docker/libcontainerd/containerID），运行二进制（默认为runc）来调用runc的api创建一个容器（比如创建容器：最后拼装的命令如下：runc create ）
runc
runc是一个命令行工具端，根据oci（开放容器组织）的标准来创建和运行容器。
1. docker 与 dockerd 通过/var/run/docker.sock 通讯
2. dockerd通过 grpc 与containerd模块通信，dockerd由libcontainerd负责和containerd进行交换，dockerd与containerd通信socket文件为 /run/containerd/containerd.sock
3. containerd在dockerd启动时 被启动 ，然后containerd启动grpc请求监听，containerd处理grpc请求，根据请求做相应动作
4. 若是start或是exec容器，containerd拉起一个 container-shim ，并进行相应的操作
5. container-shim拉起后，start/exec/create拉起runC进程，通过exit、control文件和 containerd 通信，通过父子进程关系和SIGCHLD监控容器中进程状态
6. 在整个容器生命周期中，containerd通过epoll监控容器文件，监控容器事件
Docker组件介绍（一）：runc和containerd
https://jiajunhuang.com/articles/2018_12_24-docker_components_part2.md.html
Docker组件介绍（二）：shim, docker-init和docker-proxy
https://jiajunhuang.com/articles/2018_12_24-docker_components_part2.md.html
关于docker启动一个容器后进程
https://www.jianshu.com/p/caad2176186f
‘陆’ M1使用docker部署rocketmq单机版
以下为本人部署时的环境介绍
由于M1是arm架构,docker hub中的rocketmq 和 rocketmq-console-ng控制台都需要自己编译镜像
我已编译好一版，可以直接拿来用[candice0630/rocketmq-console-ng:2.0]
！！重点强调：正常情况下只要执行（mvn clean package -Dmaven.test.skip=true docker:build）命令就可以编译docker镜像，但是我失败了😭 jar包编译成功，但是打docker镜像报错，所以我分别执行两步骤！！
由于咱们是docker构建服务，我在使用第三方rocketmq-client包创建生产者时总是使用docker分配的内网ip进行连接，因连接不通，所以我们需要修改broker配置，使其用本地ip进行连接。具体配置如下：
使用docker-compose执行第三部配置好的yml文件
eg： docker-compose -f rocketmq.yml up -d
然后我就成功啦！！
再访问localhost:19876 rocketmq控制台进行简单测试
rocketmq目前本人还在学习阶段，对docker了解也较浅，所以目前先简单介绍学习rocketmq的第一步 本地部署。希望此篇文章可以让小伙伴儿们避免一些坑😜
‘柒’ Docker是什么它比虚拟机强在哪里
Docker是一个开源的应用容器引擎，可以让开发者将自身的应用或者软件移植到镜像中，然后发布到任何一个Windows机器或者Linux机器上，当然Docker也可以实现虚拟化。而一个完整的Docker是由：Docker Client客户端，Docker Daemon 守护进程，Docker Image 镜像和Docker Container 容器来组成的。容器是完全采用沙箱机制，相互之间不会有任何接口。
而Docker比虚拟机强大的地方在于：
第一：启动时间：Docker容器是秒级启动的，而虚拟机时分钟级启动，在启动速度方面，Docker就能够完美地碾压了虚拟机。
第二：占用空间和性能：在占用空间和性能方面，Docker容器镜像比虚拟机要小得多且性能要比虚拟机更强。
第三：使用要求：虚拟机是基于硬件的虚拟化，其CPU也要有支持虚拟化的支持，Docker共享宿主机内核，可运行在主流的Linux，不用考虑CPU是否支持虚拟化技术。
‘捌’ docker client is out of sync
Docker的Client端
1、 DockerCli结构体封装前面说到会生成一个DockerCli struct结构体对象，解析文件在在这个路径下：/cli/command/cli.godocker Client解析了命令行之后，会通过其中的client.APIClient和docker Server端进行通信，其结构体定义函数和实现类函数的定义。
2、docker 镜像我们以docker image ls为例子，研究docker的Client端是怎么把信息发给Server端的。
‘玖’ docker ubuntu镜像能不能安装
docker ubuntu镜像能安装
docker安装
对于Docker的安装在官网上针对不同的操作系统分别进行了描述，Ubuntu上安装Docker，对于ubuntu操作系统来说必须是64位的，因为Docker的官网上只是提供了64位的docker，如果需要32位的docker则需要下载源码进行编译，这里有篇文章介绍了Docker源码如何进行编译成32位，编译32位的Docker。但是对于我使用的Ubuntu来说正好是32位的。通过下面的两条命令可以看出操作系统的位数和Linux的内核版本。
root@ubuntu:/tmp#uname -a
Linux e529c1b7772a 3.13.0-12-generic #32-Ubuntu SMP Fri Feb 21 17:44:24 UTC 2014 i686 i686 i686 GNU/Linux
root@ubuntu:/tmp#file /sbin/init
/sbin/init: ELF 32-bit LSB shared object, Intel 80386, version 1 (SYSV), dynamically linked (uses shared libs), for GNU/Linux 2.6.24, BuildID[sha1]=, stripped
如果想在32为的Ubuntu操作系统上运行Docker的话，就必须安装32位的Docker。在Ubuntu中提供docker1.01-32位的deb包，可以直接点击“docer1.01-32位deb包”跳转到下载页面。下载完成后，直接使用dpkg –i进行安装。
dpkg -i docker.io_1.0.1~dfsg1-0ubuntu1~ubuntu0.14.04.1_i386.deb
Selecting previously unselected package docker.io.
(Reading database ... 150021 files and directories currently installed.)
Preparing to unpack docker.io_1.0.1~dfsg1-0ubuntu1~ubuntu0.14.04.1_i386.deb ...
Unpacking docker.io (1.0.1~dfsg1-0ubuntu1~ubuntu0.14.04.1) ...
Setting up docker.io (1.0.1~dfsg1-0ubuntu1~ubuntu0.14.04.1) ...
docker.io start/running, process 10456
Processing triggers for ureadahead (0.100.0-16) ...
Processing triggers for man-db (2.6.6-1) ...
也可以参考下面的这篇文章《Docker 1.0.1 已经可以在 Ubuntu 14.04 LTS 上测试了!》进行安装。安装完成后，可以使用下面的命令确定安装的版本和基本的信息。由于docker使用go语言进行编写的，所以要依赖于GO的编译工具和库文件。
oot@ubuntu:/tmp# docker version
Client version: 1.0.1
Client API version: 1.12
Go version (client): go1.2.1
Git commit (client): 990021a
Server version: 1.0.1
Server API version: 1.12
Go version (server): go1.2.1
Git commit (server): 990021a
root@ubuntu:/tmp# docker info
Containers: 1
Images: 7
Storage Driver: aufs
Root Dir: /var/lib/docker/aufs
Dirs: 10
Execution Driver: native-0.2
Kernel Version: 3.13.0-12-generic
WARNING: No swap limit support
官方安装方式docker pull imagename从docker的索引中心下载，imagename是镜像名称，例如docker pull ubuntu就是下载base ubuntu并且tag是latest。
root@ubuntu:/# docker pull ubuntu:14.04
Pulling repository ubuntu
c4ff7513909d: Download complete
511136ea3c5a: Download complete
1c9383292a8f: Download complete
9942dd43ff21: Download complete
d92c3c92fa73: Download complete
0ea0d582fd90: Download complete
cc58e55aa5a5: Download complete
root@ubuntu:~/Downloads# docker images
REPOSITORY TAG IMAGE ID CREATED VIRTUAL SIZE
ubuntu 14.04 c1b5399bd2ee 8 minutes ago 205.3 MB
learn/tutorial latest 8dbd9e392a96 17 months ago 128 MB
root@ubuntu:/# docker run -i -t ubuntu /bin/bash
2014/09/04 13:04:28 exec format error
docker run -i -t learn/tutorial /bin/bash
2014/09/04 14:45:13 exec format error
PS：在安装完成Dokcer后，使用Pull命令sudo docker pull ubuntu:14.04从镜像仓库获取ubuntu的镜像后，然后使用run命令docker run -i -t ubuntu /bin/bash直接运行该镜像时，会出现下面的错误信息，后来我又尝试着使用官方演示使用的learn/tutorial镜像，还是出现同样的问题，现在怀疑可能是由于我安装的DOcker是32位的，而Image是64位的不匹配造成的。前面说过Docker默认提供的都是64位，其中提供的Image自然也都是64位，所以会出现下面的错误信息。在Docker Hub Registry里的大多数镜像都是64位。这里有一个关于该错误的讨论帖“Ddocker.io: Docker should recommend
linux-image-amd64 ”。所以，如果想在32位的Docker基础上运行Ubuntu的Image那要求Ubuntu的image也必须是32位。这就需要制作32位Ubuntu的Image。这里有一个官方提供的可用的Ubuntu image的列表，Ubuntu Image tag。
‘拾’ 超值一篇分享，Docker：从入门到实战过程全记录
作者 | 天元浪子
来源 | CSDN博客
想要真正理解Docker，就不得不从虚拟化技术的发展历程说起。普遍认为虚拟化技术经历了物理机时代、虚拟机时代，目前已经进入到了容器化时代。可以说，Docker是虚拟化技术不断发展的必然结果。
那么，什么是容器呢？容器和虚拟机有什么不同？Docker和容器又是什么关系呢？搞明白这几个问题，Docker的概念就清晰了。
1.1 虚拟机和容器
借助于VMWare等软件，可以在一台计算机上创建多个虚拟机，每个虚拟机都拥有独立的操作系统，可以各自独立的运行程序。这种分身术虽然隔离度高（操作系统级），使用方便（类似物理机），但占用存储资源多（GB级）、启动速度慢（分钟级）的缺点也是显而易见的。
相较于虚拟机，容器（Container）是一种轻量型的虚拟化技术，它虚拟的是最简运行环境（类似于沙盒）而非操作系统，启动速度快（秒级）、占用存储资源少（KB级或MB级），容器间隔离度为进程级。在一台计算机上可以运行上千个容器，这是容器技术对虚拟机的碾压式优势。
1.2 容器、镜像和Docker
Docker是一个开源的应用容器引擎，可以创建容器以及基于容器运行的程序。Docker可以让开发者打包他们的应用和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。
听起来很简单，但是在Docker和容器之间，还隐藏着一个镜像的概念，令初学者颇感困惑。本质上，Docker镜像是一个特殊的文件系统，它提供容器运行时所需的程序、库、资源、配置等文件。Docker镜像类似于一个py文件，它需要Docker的运行时（类似于Python解释器）运行。镜像被运行时，即创建了一个镜像的实例，一个实例就是一个容器。
1.3 Docker 和 k8s
作为容器引擎，Docker为容器化的应用程序提供了开放的标准，使得开发者可以用管理应用程序的方式来管理基础架构，实现快速交付、测试和部署代码。随着容器的大量使用，又产生了如何协调、调度和管理容器的问题，Docker的容器编排应运而生。
k8s是Google开源的一个容器编排引擎，它支持自动化部署、大规模可伸缩、应用容器化管理，是一个开源的，用于管理云平台中多个主机上的容器化的应用，k8s的目标是让部署容器化的应用简单并且高效，k8s提供了应用部署、规划、更新、维护的一种机制。
Docker和k8sr都是以containerd（容器化标准）作为运行时，因此使用Docker创建的镜像完全可以在k8s中无障碍的使用。
2.1 在ubuntu中安装
在linux系统中安装Docker非常简单，官方为我们提供了一键安装脚本。这个方法也适用于Debian或CentOS等发行版。
安装过程如果出现超时，不要灰心，多试几次，总会成功的。安装完成后，Docker只能被root用户使用，可以使用下面的命令取消权限限制：
然后，重启docker服务：
最后，关闭当前的命令行，重新打开新的命令行就可以了。
顺便提一下，如果在CentOS下安装，可能会出现一堆类似于下面的错误：
这是由于docker和Podman冲突造成的，需要先卸载Podman：
2.2 在Win10中安装
Docker的运行，依赖linux的环境，官方提供了Docker Desktop for Windows，但是它需要安装Hyper-V，Hyper-V是微软开发的虚拟机，类似于 VMWare 或 VirtualBox，仅适用于 Windows 10。这个虚拟机一旦启用，QEMU、VirtualBox 或 VMWare Workstation 15 及以下版本将无法使用！如果你必须在电脑上使用其他虚拟机（例如开发 Android 应用必须使用的模拟器），请不要使用 Hyper-V！
我的电脑是win10家庭版，不能直接安装hyper-v，需要将下面的命令保存到cmd文件中：
然后在cmd文件上点击右键，选择使用管理员运行。执行完毕后会重启，在重启的过程中进行安装。
2.3 Hello world
docker服务启动的情况下，运行下面的命令：
此命令的含义是：
第一次运行时，因为本地没有ubuntu:20.04镜像，docker会自动从镜像服务器下载。下载过程可能需要多试几次，只要成功一次，以后执行就不再需要下载了。
docker官方还提供了一个hello-world镜像，可以直接运行：
此命令省略了镜像版本和运行参数，docker使用latest作为版本，即最新版本。
从hello world的例子中，也可以体验到，docker实例的运行是非常快的。
docker官方的镜像库比较慢，在进行镜像操作之前，需要将镜像源设置为国内的站点。
新建文件/etc/docker/daemon.json，输入如下内容：
然后重启docker的服务：
3.1 列出本地所有镜像
执行命令 docker images 可以查看
当前我本地只有刚才安装的两个镜像。
3.2 从镜像库中查找镜像
执行命令 docker search 镜像名称可以从docker镜像库中查找镜像。
最好选择官方（OFFICIAL）的镜像，这样的镜像最稳定一些。
3.3 下载新的镜像
执行命令docker pull 镜像名称:版本号即可下载新的镜像。
镜像下载后，就可以使用镜像来创建容器了。
4.1 启动容器
执行命令docker run即可启动容器，也就是创建某个镜像的实例。docker run命令非常复杂，可以先执行一个docker run --help来查看帮助：
比如我们要执行python的shell，需要添加-it参数，即：docker run -it python:3.8
4.2 将宿主机的文件挂载到容器
docker容器与宿主机是隔离的，要想让容器内的程序能访问宿主机上的文件，需要通过-v参数将宿主机的文件挂载到容器中。
比如我们在宿主机上有一个hello.py，可以打印hello，想要在python容器中执行，就需要进行挂载。-v后还需要接两个参数，分别是宿主机的目录和容器内的目录，两者使用:分隔，路径必须都是绝对路径。
我的hello.py保存在主目录的/docker_test目录中，将这个目录挂载到容器的/docker_test目录，然后在容器内执行python /docker_test/hello.py：
4.3 容器的端口映射
我们修改一下hello.py，创建一个socket服务端，并监听5000端口，当有客户端连接时，打印客户端的地址，先客户端发送hello，然后关闭连接：
在容器内执行：
接下来，尝试用telnet命令连接，结果却是失败的。原因是，127.0.0.1是宿主机的ip地址，5000是容器的端口，这与我们的习惯稍微有些不同。事实上，docker的容器是非常轻量的，它并没有自己的网络，要想访问容器的端口，需要进行端口映射，将容器的某端口映射到宿主机的端口，客户端连接时，只要与宿主机的端口进行连接就可以了。
需要注意的是，上面的代码创建的服务器，无论如何也不可能被客户端连接，因为代码中绑定了127.0.0.1的ip，在容器中运行时，需要绑定所有ip，即0.0.0.0。
然后，再使用-p参数，-p还需要三个参数，即宿主机的ip地址、宿主机的端口、容器的端口，三者之间使用:分隔。一般的，可以将宿主机的ip地址省略，只写宿主机的端口：容器的端口即可。
这样，就将容器的5000端口映射到了宿主机的5001端口，使用：
即可与容器中的服务器进行连接。
4.4 容器管理
上面的服务运行之后，可以使用docker ps命令，查看运行中的容器：
显示的内容有下面几列：
要想结束容器，可以使用docker kill 容器ID命令。
一般而言，当我们的程序开发完成后，会连同程序文件与运行环境一起制作成一个新的镜像。
要制作镜像，需要编写Dockerfile。DockeFile由多个命令组成，常用的命令有：
注意，Docker镜像中有一个层的概念，每执行一个RUN命令，就会创建一个层，层过多会导致镜像文件体积增大。尽量在RUN命令中使用&&连接多条shell命令，减少RUN命令的个数，可以有效减小镜像文件的体积。
5.1 自制显示文本文件内容镜像
编写cat.py，接收一个文件名，由python读取文件并显示文件的内容：
这个例子比较简单，缩写Dockerfile如下：
这个Dockerfile的含义是：
需要说明的是，ENTRYPOINT有两种写法：
这里采用第二种写法，是因为我们要在外部给容器传递参数。执行命令编译Docker镜像：
这个命令中，-t的含义是目标，即生成的镜像名为hello，版本号为1.0，别忘了最后那个.，这叫到上下文路径，是指 docker 在构建镜像，有时候想要使用到本机的文件（比如复制），docker build 命令得知这个路径后，会将路径下的所有内容打包。
这样，我们的第一个镜像就制作完成了，使用下面的命令执行它：
即可看到~/docker_test/cat/files/test.txt的内容。
5.2 自制web服务器镜像
我们使用tornado开发一个网站，而python的官方镜像是没有tornado库的，这就需要在制作镜像时进行安装。
测试的ws.py如下：
编写Dockerfile文件如下：
在此我们验证一下CMD与ENTRYPOINT的区别。在Dockerfile所在有目录下执行如下命令：
执行完成后，再使用docker images使用就可以看到生成的镜像了，然后使用下面的命令运行：
在浏览器中输入宿主机的ip和8000端口，就可以看到页面了。
在这个例子中，我使用的运行命令是CMD，如果在docker run中指定的其他的命令，此命令就不会被执行，如：
此时，容器中被执行的是python命令，而不是我们的服务。在更多情况下，我们希望在docker run命令中为我们的服务传参，而不是覆盖执行命令，那么，我们应该使用ENTRYPOINT而不是CMD：
上面这种写法，是不支持传递参数的，ENTRYPOINT和CMD还支持另一种写法：
使用这种写法，docker run命令中的参数才可以传递给hello.py：
这个命令中，--port=9000被作为参数传递到hello.py中，因此容器内的端口就成了9000。
在生产环境中运行时，不会使用-it选项，而是使用-d选项，让容器在后台运行：
这种方式下，即使当前的控制台被关闭，该容器也不会停止。
5.3 自制apscheler服务镜像
接下来，制作一个使用apscheler编写的服务镜像，代码如下：
Dockerfile也是信手拈来：
生成镜像：
应该可以运行了，文件复制需要两个目录，在运行时，可以使用两次-v来挂载不同的目录：
前面用到的官方python镜像大小足足882MB，在这个基础上，再安装用到的第三方库，添加项目需要的图片等资源，大小很容易就超过1个G，这么大的镜像，网络传给客户非常的不方便，因此，减小镜像的体积是非常必要的工作。
docker hub上有个一python:3.8-alpine镜像，大小只有44.5MB。之所以小，是因为alpine是一个采用了busybox架构的操作系统，一般用于嵌入式应用。我尝试使用这个镜像，发现安装一般的库还好，但如果想安装numpy等就会困难重重，甚至网上都找不到解决方案。
还是很回到基本的路线上来，主流的操作系统镜像，ubuntu的大小为72.9MB，centos的大小为209MB——这也算是我更喜欢使用ubuntu的一个重要原因吧！使用ubuntu作为基础镜像，安装python后的大小为139MB，再安装pip后的大小一下子上升到了407MB，要是再安装点其他东西，很容易就赶上或超过python官方镜像的大小了。
看来，寻常路线是很难压缩镜像文件体积了。幸好，还有一条曲线救国的路可走，这就是多阶段构建法。
多阶段构建的思想其实很简单，先构建一个大而全的镜像，然后只把镜像中有用的部分拿出来，放在一个新的镜像里。在我们的场景下，pip只在构建镜像的过程中需要，而对运行我们的程序却一点用处也没有。我们只需要安装pip，再用pip安装第三方库，然后将第三方库从这个镜像中复制到一个只有python，没有pip的镜像中，这样，pip占用的268MB空间就可以被节省出来了。
1、在ubuntu镜像的基础上安装python：
然后运行：
这样，就生成了python:3.8-ubuntu镜像。
2、在python:3.8-ubuntu的基础上安装pip：
然后运行：
这样，就生成了python:3.8-ubuntu-pip镜像。
3、多阶段构建目标镜像：
这个dockerfile需要解释一下了，因为它有两个FROM命令。
第一个是以python:3.8-ubuntu-pip镜像为基础，安装numpy，当然，在实际应用中，把所有用到的第三方库出写在这里。
第二个FROM是以FROM python:3.8-ubuntu镜像为基础，将第三方库统统复制过来，COPY命令后的–from=0的意思是从第0阶段进行复制。实际应用中再从上下文中复制程序代码，添加需要的ENTRYPOINT等。
最后，再运行：
这然，用于我们项目的镜像就做好了。比使用官方python镜像构建的版本，小了大约750MB。
到此，我们的镜像已经制作好了，可是，镜像文件在哪，如何在生产环境下运行呢？
刚才使用docker images命令时，已经看到了生成的镜像：
我们可以使用docker save命令将镜像保存到指定的文件中，保存的文件是一个.tar格式的压缩文件：
将hello.tar复制到生产环境的机器上，然后执行导入命令：
就可以使用了。