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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00