Complete Intro to Containers V2:深入理解Docker CLI命令
Docker CLI概述
Docker命令行界面(CLI)是与Docker引擎交互的主要方式,它提供了丰富的命令集来管理容器生命周期、镜像操作以及系统监控等功能。掌握这些命令对于高效使用Docker至关重要。
核心Docker CLI命令详解
镜像管理命令
pull与push
docker pull命令用于从镜像仓库下载镜像到本地缓存:
docker pull jturpin/hollywood
这个命令会下载镜像但不立即运行它。当后续使用docker run时,Docker会直接使用本地缓存的镜像,无需重复下载。
docker push则用于将本地镜像推送到镜像仓库,如公共仓库或私有仓库:
docker push yourusername/yourimage
镜像历史查询
docker history命令可以查看镜像的构建历史,了解各层的创建过程和大小:
docker history node:20
这个命令特别有助于分析镜像的构建过程,优化镜像大小。
镜像删除
docker rmi(remove image)命令用于删除本地镜像:
docker rmi mongo
当需要释放磁盘空间或清理不再需要的镜像时,这个命令非常有用。
容器操作命令
容器暂停与恢复
docker pause和docker unpause命令可以临时暂停和恢复容器内的所有进程:
docker run -dit --name hw --rm jturpin/hollywood hollywood
docker pause hw # 暂停容器
docker unpause hw # 恢复容器
这在需要临时释放系统资源时非常有用。
容器内命令执行
docker exec允许在运行中的容器内执行命令,而不需要启动新容器:
docker exec hw ps aux
ps aux命令可以查看容器内运行的进程列表,是调试容器问题的有力工具。
容器检查
docker inspect提供容器的详细信息,包括配置、网络设置等:
docker inspect node:20
这个命令会输出JSON格式的详细信息,适合深入了解容器配置。
容器进程监控
docker top命令类似于Linux的top命令,可以查看容器内运行的进程:
docker run -dit --name my-mongo --rm mongo
docker top my-mongo
日志与状态管理
日志查看
docker logs命令用于查看容器的标准输出和错误输出:
docker run --name my-mongo --rm -dit mongo
docker logs my-mongo
这对于调试应用和监控容器行为至关重要。
容器重启
docker restart命令可以重启运行中的容器:
docker restart my-container
这通常用于应用配置更新后重新加载。
系统管理命令
系统信息
docker info命令提供Docker系统的详细信息:
docker info
包括存储驱动、容器数量、镜像数量等系统级信息。
容器清理
docker rm删除停止的容器,docker container prune则可以一键清理所有停止的容器:
docker rm my-container
docker container prune
这些命令帮助保持系统整洁,释放资源。
高级操作
容器导入导出
docker export和docker import命令允许将容器导出为tar归档文件,或从归档文件导入:
docker export my-container > container.tar
docker import container.tar new-image:tag
这在需要迁移或备份容器时非常有用。
镜像搜索
docker search命令可以在公共注册表中搜索镜像:
docker search python
docker search node
这对于查找特定软件或服务的官方镜像很有帮助。
最佳实践与技巧
-
组合使用命令:许多Docker命令可以组合使用,如
docker ps -a查看所有容器,docker ps -q只显示容器ID等。 -
日志实时监控:使用
docker logs -f可以实时跟踪日志输出,类似于tail -f的效果。 -
批量操作:结合xargs可以批量操作容器,如
docker ps -aq | xargs docker rm删除所有停止的容器。 -
资源限制:在运行容器时使用
--memory和--cpus参数可以限制容器资源使用。 -
环境变量管理:使用
-e参数传递环境变量,或使用--env-file从文件加载环境变量。
通过熟练掌握这些Docker CLI命令,开发者可以高效地管理容器化应用,提升开发和部署效率。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00