Docker 与 CS 自学：从 Image、Container 到环境部署的完整指南（cs-self-learning）

本文基于 cs-self-learning（计算机自学指南）的 Docker 章节 展开：先讲清楚 Docker 为什么能解决“配环境”这一自学路上的最大障碍，再梳理 Image、Container 等核心概念与日常最常用的命令行操作，最后给出原文档推荐的完整学习路径，以及本仓库中多门课程使用 Docker 作为实验环境的真实佐证。读完之后，你将能够用 Docker 快速拉起任意开源课程或项目的运行环境，并为进一步学习容器技术（如 Kubernetes）建立清晰路线。

一、为什么使用 Docker：配环境是自学路上最大的障碍

使用别人写好的软件或工具，最大的障碍往往不是代码本身，而是配环境。依赖版本不对、系统库缺失、编译链冲突……这些环境配置带来的折磨会极大地消解你对软件和编程本身的兴趣。

虚拟机（Virtual Machine）可以解决配环境的一部分问题：把整个操作系统装进一个文件里，环境再乱也不会污染宿主机。但虚拟机庞大笨重——启动慢、占资源多，为了某个应用的环境配置去模拟一整套全新的操作系统，往往得不偿失。

Docker 的思路是：用轻量级的“容器”（container）而不是整个操作系统去支持一个应用的配置。应用自身连同它的运行环境被打包为一个个 image（镜像），可以在不同平台的一个个 container（容器）中自由运行，这极大地节省了所有人的时间成本。

从原理上看，两者的差别在于隔离的层次：

维度	虚拟机	容器（Docker）
隔离对象	完整的客户机操作系统（模拟硬件）	宿主机的用户态运行环境（共享宿主内核）
启动速度	分钟级（要启动整个 OS）	秒级甚至更快（只是拉起进程）
资源开销	GB 级内存、独立磁盘镜像	通常只需应用本身占用的内存与磁盘
典型用途	运行不同内核/发行版、硬件级隔离	同一宿主内核上的应用级打包与部署

可以简单总结为：虚拟机隔离的是“硬件上的操作系统”，容器隔离的是“操作系统内的运行环境”。正因为不重复携带内核与引导系统，容器才能做到“即拉即用”，这也正是它在课程实验、CI/CD、服务部署中无处不在的原因。

二、核心概念：Image、Container 与 Registry

要熟练使用 Docker，需要先建立几个核心概念的对应关系。

Image（镜像）：只读的应用模板，包含应用代码、运行时、库和一切依赖文件。它采用分层结构（layered filesystem），每一层对应构建时的一步操作，层可以被复用和缓存，这是镜像下载快、体积省的根本原因。

Container（容器）：镜像的运行实例。镜像提供“装好了什么”，容器决定“正在跑什么”。同一个镜像可以同时启动多个容器，彼此的文件系统、进程、网络相互隔离。

Registry（镜像仓库）：存放和分发镜像的中心化服务，docker pull / docker push 的对象就是仓库中的镜像。

Dockerfile：以声明式指令描述“如何构建一个镜像”的文本文件，docker build 按其中的指令逐层执行并生成新镜像。

Docker Engine（守护进程）：后台常驻的 dockerd，负责镜像管理、容器生命周期和网络/存储驱动。你在终端输入的 docker ... 命令由客户端程序解析后发给 daemon 执行（在 Linux 上通常经由 Unix socket 通信）。适用前提说明：Docker 的容器本质上是 Linux 容器；在 Windows/macOS 上使用桌面端时，Linux 内核由一个轻量虚拟化层承载，这是平台实现细节，不影响日常命令的使用方式。

原文档 cs-self-learning 学习规划 中对 Docker 的一句话定位也可以作为记忆锚点：“一款相较于虚拟机更轻量级的软件打包与环境部署工具”。

三、日常最常用的 Docker 命令实操

官方文档当然是最好的初学教材，但正如原文档所说——“最好的导师一定是你自己，尝试去使用 Docker 才能享受它带来的便利”。下面这套命令覆盖了绝大多数日常场景，可以直接复制练习。

3.1 拉取与运行

# 拉取一个镜像
docker pull nginx

# 查看本地已有镜像
docker images

# 用 nginx 镜像启动一个后台 Web 服务，映射宿主机 8080 端口到容器 80 端口
docker run -d --name web -p 8080:80 nginx

参数说明：

• -d：后台（detached）运行，不把容器日志打印到当前终端；
• --name web：给容器起名，后续用名字而不是容器 ID 操作；
• -p 8080:80：端口映射，格式为 宿主机端口:容器端口；
• 不加 -it 是因为这是长期运行的服务；若是交互式命令行场景（例如进入一个 shell），则用 -it（分配伪终端并保持标准输入打开）。

3.2 查看与排查

# 查看正在运行的容器
docker ps

# 查看所有容器（包括已停止的）
docker ps -a

# 查看某个容器的输出日志
docker logs web

# 在运行中的容器里执行命令（如进入 shell 调试）
docker exec -it web sh

3.3 停止、清理与删除

docker stop web        # 停止容器
docker start web       # 重新启动
docker rm web          # 删除容器（需先停止）
docker rmi nginx       # 删除镜像

3.4 带数据卷的完整示例

容器是临时的，但数据不应该随容器消失。-v 可以把宿主机目录挂载进容器：

# 把当前目录下的 ./html 挂载到容器的 /usr/share/nginx/html
docker run -d --name static -p 8081:80 -v ./html:/usr/share/nginx/html nginx

./html 中的修改会实时反映在 Web 页面中，这是开发调试中最常用的技巧之一。

3.5 图形界面：桌面端

Docker 在工业界发展迅猛并已经非常成熟，如果你偏好用图形界面管理镜像、容器、网络与卷，可以下载它的桌面端（Docker Desktop），用可视化方式完成上面所有操作，命令行与图形界面操作的是同一个 daemon。

四、构建自己的镜像：一份可直接使用的 Dockerfile

打包“应用 + 环境”正是 Docker 的核心价值。一个典型的 Python 应用 Dockerfile 如下，每一行都对应前文讲过的“分层”概念：

# 基于官方 Python 精简镜像，作为构建起点
FROM python:3.12-slim

# 设置容器内的工作目录
WORKDIR /app

# 先只复制依赖清单：利用层缓存，代码变动时不必重复安装依赖
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 再复制全部应用代码
COPY . .

# 声明容器对外服务的端口（元信息，实际映射仍靠 docker run -p）
EXPOSE 8000

# 容器启动时执行的默认命令
CMD ["python", "app.py"]

构建与运行：

# 在 Dockerfile 所在目录执行，-t 为镜像命名并打标签
docker build -t myapp:1.0 .

# 运行刚构建的镜像
docker run -d --name myapp -p 8082:8000 myapp:1.0

几个值得注意的工程细节：

• FROM 选择的基础镜像决定容器的整体体积与安全性，优先选 -slim、alpine 之类的精简变体；
• 先 COPY 依赖清单再 COPY 代码，是为了让依赖安装这一层尽量命中缓存——这是分层结构带来的直接收益；
• 需要定义由多个容器组成的应用（例如 Web + 数据库）时，可以使用 Docker Compose，用一份 YAML 文件声明全部服务及其网络与依赖关系，一次性启动。

五、如何学习 Docker：原文档推荐的完整路径

本节完整继承 Docker.md（对应英文版本见 Docker.en.md）给出的学习建议：

1. 官方文档打底：Docker 官方文档是最好的初学教材，概念解释严谨且持续更新，建议与本文的概念章节对照阅读。
2. 以用代学：最好的导师一定是你自己——尝试去使用 Docker 才能享受它带来的便利。哪怕只是把某个练习项目的运行环境搬进容器，也是扎实的一步。
3. 桌面端辅助：如前所述，桌面端提供图形界面，适合在命令行还不熟练时建立直观感受。
4. 造轮子加深理解：如果你和我（原作者）一样是疯狂的造轮子爱好者，不妨亲手写一个“迷你 Docker”（作者的项目 rubber-docker）来加深理解——实现一个简化版容器构建器，会倒逼你真正弄懂镜像分层、chroot、挂载这些底层机制。
5. 系统课程补强：KodeKloud 的《Docker for the Absolute Beginner》课程全面介绍了 Docker 的基础功能，有大量配套练习，并提供免费的云环境完成练习，不会在本地环境问题上卡壳。作者同时强烈推荐其云相关进阶课程（如 Kubernetes）：虽然需要付费，但讲解非常仔细，适合从 0 开始的新手，且配有 Kubernetes 实验环境，不用被搭建环境劝退。
6. 配合仓库内的 Linux 课程：如果还想补齐 Linux 基础，可以参考本仓库推荐的 UCB Sysadmin DeCal 课程，该课程十二周内容覆盖 Linux 基础、shell 编程、包管理、Git，以及 Docker、Kubernetes、CUDA 等主题，与 Docker 学习形成良好衔接。

六、仓库实证：Docker 如何支撑 CS 自学实验环境

“容器解决配环境”这句话在 cs-self-learning 收录的多门课程中都有真实落地，这也说明 Docker 能力对自学者是刚需而非锦上添花：

• 操作系统实验：CS162（北大操作系统实验班） 使用 Pintos 作为课程项目，作者团队“利用 Docker 配置了跨平台的实验环境”，自学的同学可以直接按实验文档在容器里完成操作系统实验，而无需在宿主机上折腾交叉编译链。
• 编译原理实验：PKU-Compilers 明确“提供基于 Docker 的实验环境，一键配置”，环境中还附带自动测试脚本，可以一键测试你写出的编译器——这正是“镜像打包环境 + 容器即开即用”价值的典型体现。
• 系统安全实验：SEED Labs 提供基于虚拟机与 Docker 的现成攻防环境，覆盖软件安全、网络安全、Web 安全、操作系统安全等方向，自学者无需从零搭建靶场。
• 学习规划定位：在 CS 学习规划 中，Docker 被列为“必学工具”之一；同一页面还推荐了 DevOps-Guide 开源项目作为扩展学习资源，其中涵盖 Docker、Kubernetes、Linux、CI-CD、GitHub Actions 等运维基础知识与教程。

这些案例可以归纳出一条自学路径：先用容器“借环境”学课程 → 再写 Dockerfile“造环境”打包自己的项目 → 最后走向 Kubernetes 等编排系统做“管环境”。

七、小结

• Docker 用轻量容器替代整套虚拟机来解决“配环境”问题，应用连同环境被打包为 image，以 container 的形式在平台间自由运行；
• 掌握 pull / run / ps / logs / exec / stop / rm 与 -p、-v、-it、-d 等参数，就覆盖了绝大多数日常操作；
• 会写 Dockerfile（FROM 起步、合理分层、COPY 依赖清单在前）是从“用 Docker”走向“用 Docker 交付”的关键一步；
• 学习路径上：官方文档打底、亲手使用为主、桌面端辅助、迷你 Docker 造轮子深化原理、KodeKloud 课程系统补强，再衔接 Kubernetes 进阶；
• 本仓库中 CS162、PKU-Compilers、SEED Labs 等课程均用 Docker 承载实验环境，可直接作为练习素材，验证本文全部命令与概念。