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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00