docker服务器部署,coding推送,全流程详细介绍

在这里插入图片描述
涉及到运行过程下载模型的,通过dockerfile run提前在打包镜像的时候下载好

import paddlenlp as ppnlp

tokenizer = ppnlp.transformers.ErnieTokenizer.from_pretrained("ernie-1.0")
pretrained_model = ppnlp.transformers.ErnieModel.from_pretrained("ernie-1.0")

docker服务器部署,coding推送,全流程详细介绍_第1张图片
docker服务器部署,coding推送,全流程详细介绍_第2张图片

docker服务器部署,coding推送,全流程详细介绍_第3张图片
docker服务器部署,coding推送,全流程详细介绍_第4张图片
docker服务器部署,coding推送,全流程详细介绍_第5张图片

docker服务器部署,coding推送,全流程详细介绍_第6张图片
docker服务器部署,coding推送,全流程详细介绍_第7张图片

docker服务器部署,coding推送,全流程详细介绍_第8张图片

docker服务器部署,coding推送,全流程详细介绍_第9张图片

docker服务器部署,coding推送,全流程详细介绍_第10张图片

docker run --name sposal-prd-0930 --net=host --expose=9534 -d qn-disposal-prd2:1.0.0

内部网络内部网络记得用–net=host方式启动,否则链接不了数据库
docker服务器部署,coding推送,全流程详细介绍_第11张图片
docker服务器部署,coding推送,全流程详细介绍_第12张图片
docker服务器部署,coding推送,全流程详细介绍_第13张图片
docker服务器部署,coding推送,全流程详细介绍_第14张图片
docker服务器部署,coding推送,全流程详细介绍_第15张图片
docker服务器部署,coding推送,全流程详细介绍_第16张图片
docker服务器部署,coding推送,全流程详细介绍_第17张图片
docker服务器部署,coding推送,全流程详细介绍_第18张图片
docker服务器部署,coding推送,全流程详细介绍_第19张图片
docker服务器部署,coding推送,全流程详细介绍_第20张图片
docker服务器部署,coding推送,全流程详细介绍_第21张图片
就是起到一个一键上传的作用,以及docker仓库的统一管理,剩下的就是常规的操作了。

docker run :创建一个新的容器并运行一个命令

语法
docker run [OPTIONS] IMAGE [COMMAND] [ARG...]
OPTIONS说明:

-a stdin: 指定标准输入输出内容类型,可选 STDIN/STDOUT/STDERR 三项;

-d: 后台运行容器,并返回容器ID;

-i: 以交互模式运行容器,通常与 -t 同时使用;

-P: 随机端口映射,容器内部端口随机映射到主机的端口

-p: 指定端口映射,格式为:主机(宿主)端口:容器端口

-t: 为容器重新分配一个伪输入终端,通常与 -i 同时使用;

--name="nginx-lb": 为容器指定一个名称;

--dns 8.8.8.8: 指定容器使用的DNS服务器,默认和宿主一致;

--dns-search example.com: 指定容器DNS搜索域名,默认和宿主一致;

-h "mars": 指定容器的hostname;

-e username="ritchie": 设置环境变量;

--env-file=[]: 从指定文件读入环境变量;

--cpuset="0-2" or --cpuset="0,1,2": 绑定容器到指定CPU运行;

-m :设置容器使用内存最大值;

--net="bridge": 指定容器的网络连接类型,支持 bridge/host/none/container: 四种类型;

--link=[]: 添加链接到另一个容器;

--expose=[]: 开放一个端口或一组端口;

--volume , -v: 绑定一个卷

实例
使用docker镜像nginx:latest以后台模式启动一个容器,并将容器命名为mynginx。

docker run --name mynginx -d nginx:latest
使用镜像nginx:latest以后台模式启动一个容器,并将容器的80端口映射到主机随机端口。

docker run -P -d nginx:latest
使用镜像 nginx:latest,以后台模式启动一个容器,将容器的 80 端口映射到主机的 80 端口,主机的目录 /data 映射到容器的 /data。

docker run -p 80:80 -v /data:/data -d nginx:latest
绑定容器的 8080 端口,并将其映射到本地主机 127.0.0.180 端口上。

$ docker run -p 127.0.0.1:80:8080/tcp ubuntu bash
使用镜像nginx:latest以交互模式启动一个容器,在容器内执行/bin/bash命令。

runoob@runoob:~$ docker run -it nginx:latest /bin/bash
root@b8573233d675:/# 
0 在linux服务器的某个位置新建一个文件夹、把本地要部署的文件压缩成zip文件,然后上传到服务器文件夹,解压缩后进入文件,开始创建docker镜像,会自动识别文件夹的dockerfile文件

1指令;查看Docker版本信息,确认是否成功安装Docker。
docker --version

2:创建镜像:执行命令:ml_work_img 为创建的镜像名称,. 表示当前目录(ml_work)
一个docker就是一个代码执行的独有环境而已!容器是镜像的实例化!所以创建容器的时候,就在Dockfile把所需的镜像,环境包,执行的脚本都一次性提前定义好。

docker build -t work-order-consolidation-disposal-qa .

3 查看镜像是否创建成功:执行命令:
docker images

3_1改名字:
docker tag 07a733100a93 quadtalent-docker.pkg.coding.net/smart-city/city-wise/work-order-consolidation-disposal-qa:1.0.0

3_2删除原来标签的镜像
docker rmi quadtalent-docker.pkg.coding.net/smart-city/city-wise/work-order-consolidation-disposal-dev:1.0.0
docker rmi work-order-consolidation-disposal-qa:latest

4 启动该容器查看Python能否正常运行,执行如下命令:
19 使用docker镜像nginx:latest以后台模式启动一个容器,并将容器命名为work-order-consolidation-disposal-qa。

docker run -it --name work-order-consolidation-disposal-qa -p 9534:5000 -d quadtalent-docker.pkg.coding.net/smart-city/city-wise/work-order-consolidation-disposal-qa:1.0.0

docker run -it -p 9534:9534 work-order-consolidation-disposal-qa
docker run -it ml_work_img

5 查看所对应的容器
docker images ps -a

6 进入容器,安装缺少的python包
docker exec -it 7836c3ba9c57 /bin/bash

7 :运行镜像,生成并启动容器
执行命令:docker run -it -p 5000:5000 --name ml_work ml_work_img
-it:表示交互式终端的容器,非启动后立刻结束的容器
-p 9060:9060:表示将docker的5000端口,映射到Linux虚拟机的5000端口 也就是说,访问Linux虚拟机的5000端口,就是在访问docker容器的5000端口
–name ml_work:给容器取个名字,嫌麻烦可以省去
ml_work_img:容器是用哪个镜像启动的(一个容器,必须依赖一个镜像启动)

8:退出容器
ctrl+d 退出容器且关闭, docker ps 查看无
ctrl+p+q 退出容器但不关闭

9、查看后台启动的python程序:以及程序使用的内存情况
 ps aux |grep python
9_1、可以只这样启动api :nohup python api.py >> /home/kuake/ml_work/logs/output.log 2>&1 &
10、关掉api:    kill -9 223323

你可能感兴趣的:(工具,python,linux,docker,jenkins,运维)