Docker常用命令记录

Docker相关常用命令（持续更新中...）

1.创建docker镜像：

在Dockerfile所在目录下，确保Dockerfile中语法无误的情况下；运行
docker build -t $image_name:$tag_name .
完成之后通过docker images检查是否创建成功

2.基于已有的镜像创建对应容器并通过bash交互：

docker run -it $image_name:$tag_name /bin/bash
完成之后通过docker ps -a检查镜像是否创建成功

3.删除已有容器：

docker rm $container_ID

4.删除已有镜像：

docker rmi $image_name:$tag_name

5.连接已有的容器：

docker exec -it $container_ID /bin/bash
如果容器未启动，则需用docker start $container_ID先启动该容器

6.复制宿主机的文件到容器内：

前提是需在宿主机中执行，sudo docker cp $host_path $container_ID:container_path

7.Docker容器内部调用GPU

7.1 在宿主机安装Docker（跳过）

7.2 安装官方的NVIDIA docker

• 添加NVIDIA repo

curl -s -L [https://nvidia.github.io/nvidia-docker/gpgkey] | 
sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L [https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list] | 
sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update

• 安装支持GPU的NVIDIA容器并重启docker deamon

  sudo apt-get install nvidia-docker2
  sudo pkill -SIGHUP dockerd

  7.3 通过docker run --gpus $GPU_nums ** 命令在容器内部调用GPU

*指定GPU个数： docker run -it --shm-size 8G --name="shm_updated" --gpus 2 $image_name:$tag_name /bin/bash

root@12331b9ad979:/code# nvidia-smi
Fri Sep 25 06:19:17 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82       Driver Version: 440.82       CUDA Version: N/A      |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  Off  | 00000000:02:00.0 Off |                  N/A |
| 30%   46C    P0    57W / 250W |      0MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce GTX 108...  Off  | 00000000:03:00.0 Off |                  N/A |
| 24%   42C    P0    59W / 250W |      0MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

*指定所有GPU个数：docker run -it --shm-size 8G --name="shm_updated" --gpus all $image_name:$tag_name /bin/bash

root@fafadb9bc70f:/code# nvidia-smi

Fri Sep 25 06:15:32 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82       Driver Version: 440.82       CUDA Version: N/A      |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  Off  | 00000000:02:00.0 Off |                  N/A |
| 30%   46C    P0    57W / 250W |      0MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce GTX 108...  Off  | 00000000:03:00.0 Off |                  N/A |
| 24%   42C    P0    59W / 250W |      0MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   2  GeForce GTX 108...  Off  | 00000000:82:00.0 Off |                  N/A |
| 23%   42C    P0    59W / 250W |      0MiB / 11178MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
|   3  GeForce GTX 108...  Off  | 00000000:83:00.0 Off |                  N/A |
| 22%   40C    P0    55W / 250W |      0MiB / 11178MiB |      3%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |

7.4 如何通过docker 命令调用指定GPU core

docker run的时候加入以下参数：
--gpus '"device=2,3"'
例如：docker run -it --shm-size 64G --name="testing" --gpus '"device=2,3"' $image_name:$tag_name /bin/bash

Notes:请注意格式为'"device=2,3"'，否则会出现以下error

docker: Error response from daemon: cannot set both Count and DeviceIDs on device request.
ERRO[0000] error waiting for container: context canceled

8.解决上面第七条产生的bug

在7.1~7.2的步骤中并没有其他错误。但是请大家仔细看一下7.3中nvidia-smi的输出，如下图所示：

这是由于我的粗心，之前没有注意到。后来是在代码中具体torch.cuda.is_available()的返回值为false，才发现没有调用成功GPU。但是torch.version.cuda返回值却是与宿主机一样的'10.2',torch.backends.cudnn.enabled返回值为true。这证明了docker是没有问题的。问题应该出在cuda驱动了。回过头来一想，上面7.3中运行的$image_name:$tag_name这个镜像是特定项目镜像，没有nvidia/cuda的环境。

8.1. 在之前pull下来的nvidia/cuda:latest的镜像中测试以下命令：docker run --runtime=nvidia --rm nvidia/cuda:latest nvidia-smi
若是显示以下错误，请看第九条！！

docker: Error response from daemon: Unknown runtime specified nvidia.

假设没有以上错误，运行却显示以下错误！

docker: Error response from daemon: OCI runtime create failed: container_linux.go:349: starting container process caused "process_linux.go:449: container init caused \"process_linux.go:432: running prestart hook 1 caused \\\"error running hook: exit status 1, stdout: , stderr: nvidia-container-cli: requirement error: unsatisfied condition: cuda>=11.0, please update your driver to a newer version, or use an earlier cuda container\\\\n\\\"\"": unknown.

感觉是不是快要疯了。。hold on,还有解决方法！
仔细看一下log信息，发现requirement error后面的部分说的是cuda>=11.0,请升级驱动或者用老版本的cuda容器。

8.2.故，pull一个老版本的cuda容器。用以下命令：
docker pull nvidia/cuda:9.0-runtime-ubuntu16.04
然后，再尝试
docker run --runtime=nvidia --rm nvidia/cuda:9.0-runtime-ubuntu16.04 nvidia-smi
结果显示：

这个结果就是正常调用GPU了，finally！若是想用bash跑Python的话，还是需要在此容器中加入项目所需依赖即可。

9.解决 Unknown runtime specified nvidia.bug

依次执行即可，解决bug

9.1

（如果已经安装过，跳过）

sudo apt-get install nvidia-container-runtime

9.2

sudo vim /etc/docker/daemon.json

9.3 在.json文件中添加如下内容

"default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "/usr/bin/nvidia-container-runtime",
            "runtimeArgs": []
        }
    }

9.4 验证json文件中的语法是否正确，如下图

9.5 重启docker服务

sudo systemctl daemon-reload
sudo systemctl restart docker

如此这般，便可继续执行第八条中未完部分！

10 Docker镜像迁移

• saving: docker save -o $IMAGE_NAME.tar $IMAGE_NAME:$tag_name
• transferring: rsync -av --progress $IMAGE_NAME.tar root@server_ip:~

• loading: docker load -i $IAMGE_NAME.tar

  11 从更新过的容器生成新的Docker镜像

  docker commit -a=$AUTHOR_name -m="message" $CONTAINER_ID $IMAGE_NAME:$tag_name
  如果遇到各种Dockerfile编译不通过的情况，如requirements中各种依赖 pip install 问题，可尝试先建立基础image，然后在此基础上安装之后转为image。

12 clean images

docker system prune --force --volumes