机器环境
本实践将在 Ubuntu 22.04.3LTS 系统上进行测试
docker 版本Docker Engine - Community 24.0.6，原则上docker版本无影响
本实践进仅学习研究使用，无作他用途。
背景
曾几何时，docker镜像的拉去会失败，网速会慢，那会我们的通常处理方案是镜像加速。如今，镜像加速已经失效，我们如何解决？
本文将介绍一种解决方案的详细步骤，同时给出其他方案。
方案一：
此方案需要你有一台可以正常访问官方镜像的服务器。
情况一，镜像很小比如 ubuntu：latest , 服务器磁盘够用
# 服务器上备份 , 服务器通过为特殊的私有网络
docker save -o ubuntu.tar ubuntu:latest
# 恢复到目标服务器 , 目标服务器通常为研发环境正常网络
docker load -i ubuntu.tar
情况二，镜像比较大，实力不允许，我的磁盘剩余有 32G
我用第一种方法竟然不能保存
pytorch/pytorch:1.9.0-cuda11.1-cudnn8-develCompressed Size7.54 GB
安装 Skopeo
各平台安装方法参考
https://github.com/containers/skopeo/blob/main/install.md
# Ubuntu 20.10 and newer
sudo apt-get -y update
sudo apt-get -y install skopeo# 目前最新版本 1.15.1
skopeo -v
# skopeo version 1.4.1
测试了下目前版本够用,就没折腾安装最新版本了。
保存镜像以及恢复镜像
# 保存镜像
skopeo copy --retry-times=16 docker://pytorch/pytorch:1.9.0-cuda11.1-cudnn8-devel docker-archive:pytorch-1.9.0-cuda11.1-cudnn8-devel.tar:pytorch/pytorch:1.9.0-cuda11.1-cudnn8-devel# 看了下大小,比官网压缩的大了好多好多,怪不得 16*2 = 32G 不够
du -sh pytorch-1.9.0-cuda11.1-cudnn8-devel.tar
16G pytorch-1.9.0-cuda11.1-cudnn8-devel.tar# 恢复镜像
docker load -i pytorch-1.9.0-cuda11.1-cudnn8-devel.tar
# 或
skopeo copy docker-archive:pytorch-1.9.0-cuda11.1-cudnn8-devel.tar docker-daemon:pytorch/pytorch:1.9.0-cuda11.1-cudnn8-devel
方案二 (由于第一个方案解决了我的问题,没有进行测试)
阿里出品
image-syncer镜像同步工具 , 参考网站https://github.com/AliyunContainerService/image-syncer
image-syncer 是一个容器镜像同步工具，可用来进行多对多的镜像仓库同步，支持目前绝大多数主流的 docker 镜像仓库服务
image-syncer
image-syncer 是一个容器镜像同步工具，可用来进行多对多的镜像仓库同步，支持目前绝大多数主流的 docker 镜像仓库服务
Features
- 支持多对多镜像仓库同步
- 支持基于 Docker Registry V2 搭建的镜像仓库服务 (如 Docker Hub、 Quay、 阿里云镜像服务 ACR、 Harbor 等)
- 同步过程只经过内存和网络，不依赖磁盘存储，同步速度快
- 自动增量同步, 自动忽略已同步且不需要修改的镜像
- 支持镜像层级别的并发同步，可以通过配置文件调整并发数（可以理解为同一时间在同步的镜像层数量上限）
- 自动重试失败的同步任务，可以解决大部分镜像同步中的偶发问题（限流、网络抖动），支持重试次数配置
- 简单轻量，不依赖 docker 以及其他程序
其他方案
- 用github的workflow来同步镜像到私有的镜像库，比如阿里云；这个可以解决一些小镜像，大的镜像会导致太多问题。
)
