直接上一个例子
from conda/miniconda3
MAINTAINER liangsqrt
COPY ./jupyter /root/.jupyter
COPY ./requirements.txt /home/jupyter/requirements.txt
COPY ./sources.list /etc/apt/sources.list
COPY ./condarc /root/.condarc
RUN pip --disable-pip-version-check --no-cache-dir install pylint -i https://pypi.douban.com/simple \
&& if [ -f "/tmp/conda-tmp/environment.yml" ]; then /opt/conda/bin/conda env update -n base -f /tmp/conda-tmp/environment.yml; fi \
&& rm -rf /tmp/conda-tmp \
&& pip install -i https://pypi.douban.com/simple -r /home/jupyter/requirements.txt \
# && conda install scrapy
当我想要启动一个jupyter的容器时，我需要个性化定制一下，比如定制开放端口，jupyyter的根路径、用户密码这些。方法有一下几种：
- 直接运行jupyter，容器起来后，进入容器，生成密码，并完成相关的个性化功能。缺点：每次重启容器后，部分指令要进入容器重新敲（没有在启动容器的时候就写好的指令）；想要创建多个这样的容器太难
- Docker-compose 可以，但是启动多个容器时，相当于是在基础容器上安装新功能
- DockerFile生成自定义的镜像，直接通过镜像启动
于是我选择了2、3组合使用的方案。比如切换pip安装的依赖项放到了镜像里；加载镜像创建容器的指令我放到了docker-compose里。
DockerFile详解
from
介绍这个镜像是基于哪个镜像的。一般会在本地找，写个本地的镜像即可，如果没有，就会去网上找。
MAINTAINER
维护者或作者，无关紧要。
COPY
将哪些东西复制到容器里边，copy进入容器里边的东西和外部的东西，是两套东西，会占用两个硬盘内存。copy的时候还可以使用正则，~ 源文件或者源目录，这里可以是通配符表达式，其通配符规则要满足 Go 的 filepath.Match 规则 ~
COPY hom* /mydir/
COPY hom?.txt /mydir/RUN
用于执行后面跟着的命令行命令， 非常重要，很常用。
ADD
用法和copy几乎一样，在copytar文件，且压缩编码方式为gzip，bzip或者zx的情况下，它会自动解压！！！有点坑，有时候会解压时报导致编排失败，或者缓慢。
CMD
类似于 RUN 指令，用于运行程序，但二者运行的时间点不同
- CMD 在docker run 时运行
- RUN 是在 docker build
启动的容器指定默认要运行的程序，程序运行结束，容器也就结束。CMD 指令指定的程序可被 docker run 命令行参数中指定要运行的程序所覆盖。其实用途也不大，多数时候这个功能都被docker-compose替换了。
ENTRYPOINT
理解很容易，当run要带参数运行时，就用它。我们手启run，参数也不会被覆盖，比如：
$ docker run nginx:test如果我们镜像里指定好了，那么里边实际运行的指令是：nginx -c /etc/nginx/nginx.conf
除非特意传参-c：
docker run nginx:test -c /etc/nginx/new.conf 其实也没什么用。
ENV
环境变量，设置docker里边的环境变量的值。
VOLUME
挂在路径用的。比如要讲容器中的某个路径，映射出来，就可以用这个。跟copy不一样，这个路径是容器和宿主机都可以访问的，文件也只有一份。这个功能很常用。命令行里边用它的方法是 -v
EXPOSE
仅仅只是声明端口。
- 帮助镜像使用者理解这个镜像服务的守护端口，以方便配置映射。
- 在运行时使用随机端口映射时，也就是 docker run -P 时，会自动随机映射 EXPOSE 的端口。
WORKDIR
指定工作目录。用 WORKDIR 指定的工作目录，会在构建镜像的每一层中都存在。（WORKDIR 指定的工作目录，必须是提前创建好的）。docker build 构建镜像过程中的，每一个 RUN 命令都是新建的一层。只有通过 WORKDIR 创建的目录才会一直存在。
Docker层概念，以及精简docker镜像大小
docker的镜像是分层的，每一个指令都会增加dockerImage的层数，加大docker镜像的体积
由于docker用到的copy-on-write技术(git中也用到了这个技术)，就是说当你在docker里创建了某个文件，之后再删除掉，这个文件还在吗？还在的！而且创建和删除执行了两次，docker就增加了两层。
所以精简的第一步，减少层，通过减少指令的方式
一般随便几层，就有个几百兆的样子。这是影响镜像大小最直观的地方。所以run方法，最好就一个，直接用&&连接符将他们串联起来。一般这样操作后，效果比较直观。
更精简的镜像
用更精简的镜像，效果不大，
用docker的improt 和export
但麻烦的是需要先将容器运行起来，而且这个过程中你会丢失镜像原有的一些信息，比如：导出端口，环境变量，默认指令。
Docker部署
容器导出导入 export import
不管这个容器是不是在运行，都可以导出它，然后交给同事拿去部署，但是会丢失启动指令呀，端口，硬盘映射路径这些，里边只是包含了你的代码环境。
# 导入语法
docker import [OPTIONS] file|URL|- [REPOSITORY[:TAG]]
# 例子
docker import my_ubuntu_v3.tar runoob/ubuntu:v4
# 导入语法
docker import [OPTIONS] file|URL|- [REPOSITORY[:TAG]]
# 例子
docker import my_ubuntu_v3.tar runoob/ubuntu:v4镜像导出导入
# 导出语法
docker save [OPTIONS] IMAGE [IMAGE...]
# 例子，如果需要跨操作系统，请使用 -o 方式
docker save -o my_ubuntu_v3.tar runoob/ubuntu:v3
docker save runoob/ubuntu:v3 > my_ubuntu_v3.tar
# 导入语法
docker load [OPTIONS]
# 例子，如果需要跨操作系统，请使用 -i 方式
docker load -i ubuntu.tar
docker load < ubuntu.tardocker save保存的是镜像，docker export保存的是容器docker load用来载入镜像包，docker import用来载入容器包，但两者都会恢复为镜像docker load不能对载入的镜像重命名，而docker import可以为镜像指定新名称