在笔记本上主要还是想以轻量、方便为主，所以采用的是在WSL2中使用docker的这么一个方案。

WSL2

我笔记本原来是预装的是WIN10家庭版，需要先升级为专业版，并加入windows预览体验计划。更新完之后，安装WSL，我选择的是Ubuntu16.04，并且升级到WSL2^[1]，就可以支持docker了。

在WSL2中安装docker-ce^[2]。因为WSL2中没法正常的使用systemctl，我参考了韦易笑的文章^[3]对docker做了自启动。

Why docker?

• 环境隔离，相当于轻量级的虚拟机
• 可更新、可扩展，一次配置，到处享用
• 一键部署

镜像与容器

镜像与容器是我们接触得最多的东西和基本的概念。镜像是一个只读的模板，它可以包含一个完整的linux系统、软件和其它运行环境。docker利用容器来运行应用，容器是镜像的运行实例，每个容器都是相互隔离的。

Hello world

我们从hello-world，来看看docker运行容器的流程。

安装完docker后，为了不用每次运行docker命令都需要加上sudo，需要先将用户加入docker用户组：sudo adduser $USER docker 。然后登出账户，再登陆即可。

完了我们运行docker官方的hello-world，看看能否正常运行：docker run -rm hello-world

这条命令的意思是，从hello-world镜像创建一个容器并运行容器。

容器被创建后，可以启动（start）和停止（stop），不需要之后可以删除。一个容器在程序运行完成后会自动停止，但是容器不会被自动删除。--rm参数是让容器运行完成、停止后自动删除该容器。 我们可以通过docker ps -a命令查看已存在的容器。

从图中第二、三行可以看到，docker在从镜像创建容器时，首先会查找本地镜像。当本地查找不到时，会从仓库查找。这里的仓库概念和github、maven的仓库概念类似，默认是从官方的dockerhub查找，可以自行添加其它镜像源。

此外，我们运行nginx测试一下在容器中运行web服务，执行命令docker run nginx。我们可以通过localhost来访问WSL2中的服务：

创建开发环境

一般情况下，我们不需要自己从头制作一个镜像，可以在别人做好的镜像上进行二次制作。以python的flask程序为例，可以把python3.6的镜像作为基础镜像：docker pull python:3.6

其中冒号后面的3.6是tag，如果不加tag的话默认是latest。

然后从该镜像中运行一个容器实例：docker run -it --name="flask" python:3.6 /bin/bash

可以看到，其实容器内是有一个完整的文件系统的，并且容器内安装好了python 3.6.10。 关于命令，-i是以交互的形式运行容器，-t是为其分配一个伪输入终端，--name="flask"则是为该容器创建一个别名。之后我们可以用docker start/stop flask之类的命令来启动或停止该容器。

接着我们在容器容器内的根目录创建一个名为app的文件夹（后来发现不用手动创建），为的是之后将宿主机（WSL2）的目录直接映射到docker容器中，就省去了将宿主机的代码传到docker容器这个步骤。并且这种方式对安全、以及数据持久化来说都有帮助。

然后根据需要，在容器内安装flask：pip install flask，并用docker commit 4f6 eagle/flask命令保存新的镜像。4f6是容器的id，和git的版本号有些类似，后面是新镜像的名字。可以看到，由于安装flask，镜像的尺寸也比原来大了一些。

这样我们开发环境的镜像就创建完成了，接下来要测试一下是否可行。先删除之前的容器或者运行容器时指定其它的别名，然后使用命令创建新的容器：

docker run -it --name="flask" -p 5555:2333 -v /home/eagle:/app eagle/flask /bin/bash

其中-p 5555:3333是将宿主机的5555端口映射到容器的2333端口，-v /home/eagle:/app则是将宿主机的目录映射到容器的app目录。

接着写一个简单的flask测试程序，来看看这个容器是否能否充当开发环境。在宿主机创建app.py文件并写入以下代码：

from flask import Flaskapp = Flask(__name__)@app.route('/')
def hello():return 'flask in docker'if __name__ == '__main__':app.run(host='0.0.0.0', port=2333)

在docker容器中运行python app.py启动flask服务，并在浏览器中查看结果：

环境移植

接下来我们要考虑如何把自己制作好的镜像移植到别的机子上，做到“一次配置，到处享用”。很简单，导出镜像和导入镜像只需要：

docker save eagle/flask > flask-docker-image.tar.gz
docker load < flask-docker-image.tar.gz

但是，我们的问题不在于此。从前面可以看到，我们制作好的镜像足足有900+MB那么大，能不能有什么办法可以使镜像小一些呢？

答案是肯定的！那就是使用alpine版本的python镜像。alpine^[4]是一个超轻量级的linux系统，只有5MB的大小，而dockerhub^[5]上也提供了python的alpine版本镜像。

运行命令docker pull python:3.6-alpine下载镜像，然后对比一下几个镜像的大小，可以看到这个镜像也只有95MB，仅占原来的十分之一：

即使安装了flask，也才105MB，并且程序可以正常运行，测试过程和结果和之前差不多，就不赘述了。

另外我这里采用的是在容器中安装依赖和用目录映射，做开发环境的搭建。至于制作镜像和镜像瘦身，还有别的方法^[6]，等我实际用到的时候再把这部分的坑填了吧。

结语

docker提供的容器化方案为我们日常的开发和部署提供了很大的便捷，所以受到许多人的青睐。但是做机器学习的话，还需要考虑到调用显卡这回事，目前Nvidia官方也提供了nvidia-docker这么个东西。因笔记本没有显卡，无法测试，日后也会把这部分的坑填上，判断其是否能作为日常开发的环境。

参考

1. ^如何在 Windows 10 中安装 WSL2 的 Linux 子系统 https://blog.csdn.net/WPwalter/article/details/101508601
2. ^Docker Ce | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror https://mirrors.tuna.tsinghua.edu.cn/help/docker-ce/
3. ^WSL服务自启动的正确方法 https://zhuanlan.zhihu.com/p/47733615
4. ^Docker之操作系统Alpine_菲宇运维-CSDN博客 https://blog.csdn.net/bbwangj/article/details/81088231
5. ^python - Docker Hub https://hub.docker.com/_/python/
6. ^Docker Layers Explained - DZone Cloud https://dzone.com/articles/docker-layers-explained