博客
关于我
常见docker命令
阅读量:184 次
发布时间:2019-02-28

本文共 1985 字,大约阅读时间需要 6 分钟。

Docker操作指南

Docker是一种轻量级的容器运行平台,允许开发者通过容器化技术快速构建、部署和管理应用程序。掌握Docker的操作技能是现代开发的核心能力之一。本文将从安装到常用操作总结Docker的使用方法。


1. Docker安装

在安装Docker之前,确保你的系统满足以下要求:

  • 操作系统:Linux( CentOS、Ubuntu 等)或 macOS
  • 内存:建议至少 1GB 内存
  • 存储空间:至少 20GB 可用空间

安装步骤如下:

curl -fsSL | shsystemctl enable --now docker

安装完成后,验证Docker版本:

docker version

2. 容器管理

容器是Docker的核心概念,用于运行应用程序。

2.1 启动、停止、重启、杀掉容器

# 启动容器docker start myweb# 停止容器docker stop myweb# 重新启动容器docker restart myweb# 杀掉容器docker kill -s kill myweb

2.2 创建容器

# 后台运行容器,并返回容器IDdocker run -d --name nginx nginx:latest# 将容器的80端口映射到物理机的80端口docker run -d -P 80:80 nginx:latest# 将物理机的/docker/data目录挂载到容器的/docker/datadocker run -d -v /docker/data:/docker/data nginx:latest

2.3 交互式操作

# 以交互式模式运行容器,并打开终端docker run -it nginx:latest /bin/bash

2.4 删除容器

# 强制删除运行中的容器docker rm -f mydocker# 删除指定的链接docker rm -l mydocker# 删除容器及其关联数据卷docker rm -v mydocker

3. 镜像管理

镜像是Docker的模板,用于构建容器。

3.1 拉取镜像

# 拉取官方镜像docker pull nginx:latest# 拉取特定标签镜像docker pull nginx:1.23.2

3.2 推送镜像

# 推送镜像到Docker Hubdocker push newdocker_images:v1.0.0

3.3 创建镜像

# 使用现有容器创建镜像docker commit -a "mingongge" -m "add a new image" bd96d72ed9c7 newdocker_images:v1.0.0

4. 容器镜像操作

4.1 查看镜像

# 列出本地镜像docker images# 查看镜像详细信息docker inspect bd96d72ed9c7

4.2 历史记录

# 查看镜像构建历史docker history newdocker_images:v2

5. 网络设置

Docker支持多种网络模式,常用的有桥接网络和宿主网络。

5.1 桥接网络

# 创建一个桥接网络docker network create -d bridge my-network# 启动一个使用my-network的容器docker run -d --network my-network nginx:latest

5.2 宿主网络

# 将容器的80端口映射到宿主网络docker run -d -P 80:80 nginx:latest

6. 安全与访问控制

6.1 登录镜像仓库

# 登录Docker Hubdocker login -u username -p password# 登出镜像仓库docker logout

6.2 设置镜像访问权限

# 只允许从特定网络访问镜像docker build --build-args "http://internal.registry:80"

7. 数据持久化

Docker支持挂载本地目录到容器中,实现数据持久化。

# 挂载物理机目录到容器docker run -v /data:/data nginx:latest

8. 高级操作

8.1 数据备份与恢复

#备份docker exec -u postgres mypostgres pg_dump -c > db.sql#恢复docker exec -i mypostgres psql -U postgres < db.sql

8.2 一键安装Docker

curl -sSL | sh && systemctl enable --now docker

通过以上命令,你可以轻松操作Docker容器,快速构建、部署和管理容器化应用。

转载地址:http://zpai.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>