Ubuntu中docker的安装和使用

Ubuntu 中docker安装和使用

• 安装VMware16
• 安装Ubuntu22.04
• 安装docker

Docker的主要作用

起到一个“容器”（代码+环境）的作用，解决了软件跨环境迁移导致的版本不兼容等问题。使用沙箱机制，相互之间没有任何接口，且性能开销极低。

Docker的架构图

• 镜像（image）：Docker镜像，相当于一个root文件系统。镜像相当于java中的一个类，是一个模板，一个镜像可以生成多个容器。 (镜像是一种轻量级的，可执行的独立软件包，用来打包软件运行环境和基于环境开发的软件，它包含运行某个软件的所需的所有内容，包括代码，运行时，库，环境变量和配置文件。)
• 容器（container）:镜像和容器的关系就像是类与对象的关系一样，镜像是静态的定义，容器是镜像运行时的实体，容器可以被创建，启动，停止，删除，暂停等。 （Docker利用容器独立运行一个或一组应用。容器时是镜像创建的运行实例。可以把容器看成一个简易版本的linux的运行环境，包括运行在里面的应用程序。Docker启动是秒级的。容器只保留了内核，把硬件，网络，打印机等不相关的统统去除了，所以运行快。）
• 仓库（repository）:仓库可以看成是一个代码控制中心，用来保存镜像。

Docker的安装

卸载系统自带的旧版本

sudo apt-get remove docker docker-engine docker.io containerd runc

获取软件最新源

sudo apt-get update

安装apt依赖包

sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common

安装几个工具软件

apt-get install ca-certificates curl gnupg lsb-release

安装GPG证书，使用阿里云的镜像源

curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

下载仓库文件

sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

安装docker软件

sudo apt-get install docker-ce docker-ce-cli containerd.io
sudo apt-get install docker-compose-plugin

图形化界面 Portainer

$ docker volume create portainer_data
$ docker run --name portainer
 -d -p 8000:8000 -p 9000:9000 -v /var/run/docker.sock:/var/run/docker.sock 
-v portainer_data:/data portainer/portainer

打开localhost:9000

设置图形化界面Portainer开机自启动后可开机直接通过浏览器localhost:9000/访问docker:

1、设置docker开机自启动
systemctl disable docker.service

2、设置Portainer对应的容器开机自启动
docker update --restart=always <CONTAINER ID>

docker的使用

docker状态

启动docker

sudo service docker start
或
systemctl start docker

停止docker

sudo service docker stop
或
systemctl stop docker

重启docker

sudo service docker restart
或
systemctl restart docker

查看当前docker的状态

systemctl status docker

测试

sudo docker run hello-world

帮助命令

sudo docker version  (查询版本号)
sudo docker info   (查询docker系统信息)
sudo docker --help   (指令)

镜像操作

列出镜像

sudo docker images

REPOSITORY:当前镜像的仓库源；
TAG：镜像的标签；
IMAGE ID：镜像的ID（唯一的主键）；
CREATED:镜像的创建时间；
SIZE：镜像的大小。

docker images [参数]

-a #列出本地所有的镜像，含中间映像层
-q #只列出镜像ID
-qa #-a 与 -q 的组合参数
-digess #一些镜像的摘要说明
--no-trunc #显示完整的镜像信息

搜索镜像
镜像的官方网址：https://hub.docker.com/

docker search  [镜像名]

获取镜像(不指定镜像版本，则默认下载最新版本)

sudo docker pull [镜像名]
或
docker pull [镜像名]：lastest
docker pull [镜像名]：[TAG]  #使用版本标签号选择要下载的版本

sudo docker pull ubuntu:13.10
sudo docker pull mysql:5.7

使用镜像

sudo docker run [镜像名]

删除镜像

sudo docker rmi [镜像名]
或
docker rmi -f [镜像名]  #强制删除某个镜像
docker rmi -f [镜像名1 镜像名2 镜像名3]  #批量删除多个镜像

容器操作

启动容器，以下命令使用镜像启动一个容器，参数为以命令行模式进入该容器：

docker run [OPTIONS] IMAGE
OPTIONS说明：
--name [容器名] #为容器指定一个名字
-d #后台运行容器，并返回容器ID，也即启动守护式容器（使用exit退出后，容器在后台运行，不会真正退出）
-i #以交互模式运行容器，如果不加的话，容器没有使用时就会自动停止，通常和-t同时使用
-t #为容器重新分配一个伪输入终端，通常与-i同时使用
-p #随机端口映射

sudo docker run -it ubuntu:20.04 /bin/bash
docker run -it --name mycentos centos /bin/bash

-i: 交互式操作。
-t: 终端。
ubuntu: ubuntu 镜像。
/bin/bash：#进入容器的初始化指令
放在镜像名后的是命令，这里希望有个交互式Shell，因此用的是 /bin/bash。

启动容器

docker start [容器ID]

重启容器

docker restart [容器ID]

停止容器

docker stop [容器ID]

强制关闭容器

docker kill [容器ID]

查看容器

sudo docker ps -a  #  查看所有容器
docker ps -q #查看当前运行着的容器，返回ID
docker ps -l #查看上一个容器
docker ps -n 3 #查看上三个运行过的容器

进入正在运行的环境

docker attach [容器ID] #直接进入容器，启动命令的终端，不会启动新的进程
docker exec -it [容器ID] /bin/bash #在容器中打开新的终端，并且可以启动新的进程

退出容器

exit #容器停止，但退出容器内部
ctrl+P+Q #容器不停止，但退出容器内部

停止容器

sudo docker stop <容器 ID>

删除已停止容器

sudo docker rm [容器ID] #删除已经停止的容器
docker rm -f [容器ID] #可强制删除没有停止的容器
docker rm -f $(docker ps -qa) #删除全部容器

数据卷

概念

数据卷是宿主机中的一个目录或文件，当容器目录和数据卷目录绑定后，对方的修改会立即同步，一个数据卷可以被多个容器同时挂载，一个容器可以挂载多个容器。

作用

• 容器数据持久化
• 外部机器和容器的间接通信
• 容器之间的数据交换

数据卷的配置

docker run -it -v [主机目录]:[容器目录]
#例如
docker run -it -v /home/cesi:/home --name mycentos centos /bin/bash

写入文件

ecoh "abcd" > a.txt

查看文件内容

cat [文件名]

新建 文件/文件夹

touch [文件名]
mkdir [文件夹名]

删除文件

rm -rf [文件名]

是否挂载成功

docker inspect [容器id] #返回容器日志，查看Mounts项的Source即可找到宿主机挂载点，Destination即为容器中对应的目录

注意事项

• 目录必须是绝对路径
• 目录不存在会自动创建

为自己的项目构建镜像

示例项目代码：https://github.com/gzyunke/test-docker
这是一个 Nodejs + Koa2 写的 Web 项目，提供了简单的两个演示页面。
软件依赖：nodejs
项目依赖库：koa、log4js、koa-router

编写 Dockerfile

FROM node:11
MAINTAINER easydoc.net

# 复制代码
ADD . /app

# 设置容器启动后的默认运行目录
WORKDIR /app

# 运行命令，安装依赖
# RUN 命令可以有多个，但是可以用 && 连接多个命令来减少层级。
# 例如 RUN npm install && cd /app && mkdir logs
RUN npm install --registry=https://registry.npm.taobao.org

# CMD 指令只能一个，是容器启动后执行的命令，算是程序的入口。
# 如果还需要运行其他命令可以用 && 连接，也可以写成一个shell脚本去执行。
# 例如 CMD cd /app && ./start.sh
CMD node app.js

Dockerfile文档

实用技巧：
如果你写 Dockerfile 时经常遇到一些运行错误，依赖错误等，你可以直接运行一个依赖的底，然后进入终端进行配置环境，成功后再把做过的步骤命令写道 Dockerfile 文件中，这样编写调试会快很多。
例如上面的底是

node:11

，我们可以运行

docker run -it -d node:11 bash

，跑起来后进入容器终端配置依赖的软件，然后尝试跑起来自己的软件，最后把所有做过的步骤写入到 Dockerfile 就好了。
掌握好这个技巧，你的 Dockerfile 文件编写起来就非常的得心应手了。

Build 为镜像（安装包）和运行

编译

docker build -t test:v1 .

-t

设置镜像名字和版本号
命令参考：https://docs.docker.com/engine/reference/commandline/build/

运行

docker run -p 8080:8080 --name test-hello test:v1

挂载演示

bind mount` 方式用绝对路径 `-v D:/code:/app
volume` 方式，只需要一个名字 `-v db-data:/app

示例：

docker run -p 8080:8080 --name test-hello -v D:/code:/app -d test:v1

多容器通信

要想多容器之间互通，从 Web 容器访问 Redis 容器，我们只需要把他们放到同个网络中就可以了。

文档参考：https://docs.docker.com/engine/reference/commandline/network/

创建一个名为

test-net

的网络：

docker network create test-net

运行 Redis 在

test-net

网络中，别名

redis

docker run -d --name redis --network test-net --network-alias redis redis:latest

修改代码中访问

redis

的地址为网络别名

运行 Web 项目，使用同个网络

docker run -p 8080:8080 --name test -v D:/test:/app --network test-net -d test:v1

查看数据

http://localhost:8080/redis

容器终端查看数据是否一致

redis-cli
get count

docker-compose 创建容器

要把项目依赖的多个服务集合到一起，我们需要编写一个

docker-compose.yml

文件，描述依赖哪些服务
参考文档：https://docs.docker.com/compose/

创建

docker-compose.yml

文件，在文件目录打开终端，输入

docker-cmpose up

创建并运行容器。

version: "3.7"

services:
  app:
    build: ./
    ports:
      - 80:8080
    volumes:
      - ./:/app
    environment:
      - TZ=Asia/Shanghai
  redis:
    image: redis:5.0.13
    volumes:
      - redis:/data
    environment:
      - TZ=Asia/Shanghai

volumes:
  redis:

容器默认时间不是北京时间，增加 TZ=Asia/Shanghai 可以改为北京时间

在后台运行只需要加一个 -d 参数 docker-compose up -d
查看运行状态：docker-compose ps
停止运行：docker-compose stop
重启：docker-compose restart
重启单个服务：docker-compose restart service-name
进入容器命令行：docker-compose exec service-name sh
查看容器运行log：docker-compose logs [service-name]

发布和部署

上传自己的镜像

• 首先你要先 注册一个账号
• 创建一个镜像库
• 命令行登录账号：docker login -u username
• 新建一个tag，名字必须跟你注册账号一样docker tag test:v1 username/test:v1
• 推上去docker push username/test:v1
• 部署试下docker run -dp 8080:8080 username/test:v1

docker-compose 中也可以直接用这个镜像了

version: "3.7"

services:
  app:
#    build: ./
    image: helloguguji/test:v1
    ports:
      - 80:8080
    volumes:
      - ./:/app
    environment:
      - TZ=Asia/Shanghai
  redis:
    image: redis:5.0.13
    volumes:
      - redis:/data
    environment:
      - TZ=Asia/Shanghai

volumes:
  redis:

备份和迁移数据

迁移方式介绍

容器中的数据，如果没有用挂载目录，删除容器后就会丢失数据。
前面我们已经讲解了如何 挂载目录
如果你是用

bind mount

直接把宿主机的目录挂进去容器，那迁移数据很方便，直接复制目录就好了
如果你是用

volume

方式挂载的，由于数据是由容器创建和管理的，需要用特殊的方式把数据弄出来。

备份和导入 Volume 的流程

备份：

• 运行一个 ubuntu 的容器，挂载需要备份的 volume 到容器，并且挂载宿主机目录到容器里的备份目录。
• 运行 tar 命令把数据压缩为一个文件
• 把备份文件复制到需要导入的机器

导入：

• 运行 ubuntu 容器，挂载容器的 volume，并且挂载宿主机备份文件所在目录到容器里
• 运行 tar 命令解压备份文件到指定目录

备份 MongoDB 数据演示

• 运行一个 mongodb，创建一个名叫mongo-data的 volume 指向容器的 /data 目录docker run -p 27018:27017 --name mongo -v mongo-data:/data -d mongo:4.4
• 运行一个 Ubuntu 的容器，挂载mongo容器的所有 volume，映射宿主机的 backup 目录到容器里面的 /backup 目录，然后运行 tar 命令把数据压缩打包docker run --rm --volumes-from mongo -v d:/backup:/backup ubuntu tar cvf /backup/backup.tar /data/

最后你就可以拿着这个 backup.tar 文件去其他地方导入了。

恢复 Volume 数据演示

• 运行一个 ubuntu 容器，挂载 mongo 容器的所有 volumes，然后读取 /backup 目录中的备份文件，解压到 /data/ 目录docker run --rm --volumes-from mongo -v d:/backup:/backup ubuntu bash -c "cd /data/ && tar xvf /backup/backup.tar --strip 1"

注意，volumes-from 指定的是容器名字
strip 1 表示解压时去掉前面1层目录，因为压缩时包含了绝对路径

conductor介绍

一 简介

netflix conductor是基于JAVA语言编写的开源流程引擎，用于架构基于微服务的流程。它具备如下特性：

• 允许创建复杂的业务流程，流程中每个独立的任务都是由一个微服务所实现。
• 基于JSON DSL 创建工作流，对任务的执行进行编排。
• 工作流在执行的过程中可见、可追溯。
• 提供暂停、恢复、重启等多种控制模型。
• 提供一种简单的方式来最大限度重用微服务。
• 拥有扩展到百万流程并发运行的服务能力。
• 通过队列服务实现客户端与服务端的分离。
• 支持 HTTP 或其他RPC协议进行数据传送

二 基本概念

1 Task

Task是最小执行单元，承载了一段执行逻辑，如发送HTTP请求等。

• System Task：被conductor服务执行，这些任务的执行与引擎在同一个JVM中。
• Worker Task：被worker服务执行，执行与引擎隔离开，worker通过队列获取任务后，执行并更新结果状态到引擎。Worker的实现是跨语言的，其使用Http协议与Server通信。

conductor提供了若干内置SystemTask:

• 功能性Task： - HTTP：发送http请求- JSON_JQ_TRANSFORM：jq命令执行，一般用户json的转换，具体可见jq官方文档- KAFKA_PUBLISH: 发布kafka消息
• 流程控制Task： - SWITCH（原Decision）：条件判断分支，类似于代码中的switch case- FORK：启动并行分支，用于调度并行任务- JOIN：汇总并行分支，用于汇总并行任务- DO_WHILE：循环，类似于代码中的do while- WAIT：一直在运行中，直到外部时间触发更新节点状态，可用于等待外部操作- SUB_WORKFLOW：子流程，执行其他的流程- TERMINATE：结束流程，以指定输出提前结束流程，可以与SWITCH节点配合使用，类似代码中的提前return语句
• 自定义Task： - 对于System Task，Conductor提供了WorkflowSystemTask 抽象类，可以自定义扩展实现。- 对于Worker Task，可以实现conductor的client Worker接口实现执行逻辑。

2 Workflow

• Workflow由一系列需要执行的Task组成，conductor采用json来描述Task的流转关系。
• 除基本的顺序流程外，借助内置的SWITCH、FORK、JOIN、DO_WIHLE、TERMINATE任务，还能实现分支、并行、循环、提前结束等流程控制。

3 Input&Output

Task的输入是一种映射，其作为工作流实例化的一部分或某些其他Task的输出。允许将来自工作流或其他Task的输入/输出作为随后执行的Task的输入。

• Task有自己的输入和输出，输入输出都是jsonobject类型。
• Task可以引用其他Task的输入输出，使用{taskxxx.output}的方式引用。引用语法为json-path，除最基础的${taskxxx.output}的值解析方式外，还支持其他复杂操作，如过滤等，具体见json-path语法。
• 启动Workflow时可以传入流程的输入数据，Task可以通过${workflow.input}的方式引用。

Task实现原子操作的处理以及流程控制操作，Workflow定义描述Task的流转关系，Task引用Workflow或者其它Task的输入输出。通过这些机制，conductor实现了JSON DSL对流程的描述。

三 整体架构

主要分为几个部分：

• Orchestrator: 负责流程的流转调度工作；
• Management/Execution Service: 提供流程、任务的管理更新等操作；
• TaskQueues: 任务队列，Orchestrator解析出来的待执行Task会放到队列中；
• Worker: 任务执行worker，从TaskQueues中获取任务，通过Execution Service更新任务状态与结果数据；
• Database: 元数据&运行时数据库，用于保存运行时的Workflow、Task等状态信息，以及流程任务定义的等原信息；
• Index: 索引数据库，用于存储执行历史；