Docker基础入门:容器与镜像核心概念解析
前言
本文基于docker-workshop项目中的基础教程部分,将深入浅出地讲解Docker最核心的两个概念:容器(Container)和镜像(Image)。通过本文,您将掌握Docker的基本操作原理,为后续的容器化开发打下坚实基础。
容器初体验
容器是Docker最基础也是最重要的组成部分。我们可以将其理解为一个轻量级的、隔离的进程环境。让我们从最简单的例子开始:
docker run hello-world
这条命令会运行一个简单的测试容器,输出"Hello from Docker!"等信息。执行后,我们可以查看容器状态:
docker ps -a
注意这里使用了-a参数,因为默认docker ps只显示正在运行的容器,而hello-world容器执行完就退出了。
深入容器内部
要查看容器的详细信息,可以使用:
docker inspect <container-id>
这个命令会返回JSON格式的详细配置信息,包括网络设置、挂载卷、环境变量等。
运行完整操作系统容器
让我们尝试运行一个Ubuntu容器:
docker run ubuntu:18.04
这里我们指定了版本号18.04,这是Docker镜像标签的常见用法。执行后会发现容器立即退出,这是因为容器需要一个前台进程才能保持运行。
交互式运行容器
要让容器保持运行并与之交互,需要使用-it参数:
docker run -it ubuntu:18.04
参数说明:
-i:保持STDIN打开,允许交互-t:分配一个伪终端(TTY)
现在我们就进入了容器内部的bash shell,可以执行各种Linux命令。退出只需输入exit。
容器生命周期关键点
容器的一个重要特性是:它只在前台进程运行时存在。当PID为1的主进程退出时,容器就会停止,即使容器内还有其他后台进程在运行。
镜像详解
镜像是创建容器的模板,可以类比面向对象编程中的"类",而容器则是这个"类"的"实例"。
查看本地镜像
docker images
这个命令会列出本地存储的所有Docker镜像,包括仓库名、标签、镜像ID、创建时间和大小等信息。
拉取新镜像
我们可以从公共仓库获取新镜像:
docker pull mongo
这会将MongoDB的官方镜像下载到本地。第一次运行某个镜像时,Docker会自动执行pull操作,这也是为什么第一次运行ubuntu:18.04会比较慢的原因。
镜像与容器的关系
- 镜像是静态的模板文件
- 容器是镜像的运行实例
- 一个镜像可以创建多个容器
- 容器运行时会在镜像层之上添加一个可写层
最佳实践建议
- 明确指定镜像版本:避免使用latest标签,明确指定如
ubuntu:18.04这样的版本号 - 清理无用容器:定期使用
docker container prune清理停止的容器 - 查看镜像历史:使用
docker history <image>了解镜像的构建过程 - 理解分层存储:Docker镜像采用分层存储机制,相同层可以共享,节省空间
总结
通过本文,我们掌握了Docker最核心的两个概念:容器是运行中的进程环境,镜像是创建容器的模板。理解这两者的关系和工作原理,是学习Docker技术的基础。后续可以进一步学习如何构建自定义镜像、管理容器网络和数据持久化等进阶主题。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09