Docker 学习笔记与常用命令手册

时代文章

230人浏览 · 2026-06-02 22:05:44

时代文章 · 2026-06-02 22:05:44 发布

一、容器与镜像查询

1. 查看正在运行的容器名称

docker ps --format "table {{.ID}}\t{{.Names}}\t{{.Image}}"

2. 确认镜像 ID

docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"

3. 根据容器名称查看镜像 ID

docker ps -f "name=docker_name" --format "{{.ID}}"

4. 根据容器名称或者标签查看镜像 ID

docker images -f "reference=image_name:tag" --format "{{.ID}}"

二、 Docker Run 启动参数详解

参数	说明
`-d`, `--detach`	后台运行容器并打印容器 ID
`-p`, `--publish`	发布容器端口到宿主机（格式：`宿主机端口:容器端口`）
`--name`	为容器指定名称（不指定则随机生成）
`-e`, `--env`	设置环境变量（格式：`KEY=VALUE`）
`-w`, `--workdir`	指定容器内工作目录
`-v`, `--volume`	挂载卷（格式：`宿主机路径:容器路径`）
`--network`	指定网络模式（bridge / host / none）
`-it`	`-i` 保持 stdin 开放 + `-t` 分配伪终端
`--restart`	重启策略（always / on-failure / unless-stopped）
`--privileged`	给予容器完全的主机设备访问权限
`--memory`	设置容器内存上限
`--shm-size`	设置共享内存大小
`--device`	映射主机设备到容器
`--group-add`	添加额外的用户组

启动示例

docker run -it \
  -v /public/home/llama3_pytorch/module_path:/public/home/llama3_pytorch/module_path \
  -v /opt/:/opt/:ro \
  --shm-size=80G \
  --privileged=true \
  --device=/dev/kfd \
  --device=/dev/dri/ \
  --group-add video \
  --name 2.1.0-centos7.6-dtk24.04-py310 \
  c85ed27005f2 bash

docker run -it \
  -v `pwd`:/app/ \
  -v /opt/:/opt/:ro \
  --shm-size=80G \
  --privileged=true \
  --device=/dev/kfd \
  --device=/dev/dri/ \
  --group-add video \
  --name my_new2 \
  22a64bebb32e bash

三、镜像管理

1. 镜像导出

docker save -o your_env.tar docker_repository
# 示例
docker save -o torch2.1-dtk24.04.tar my_new

2. 镜像导入

docker load -i new.tar

3. 固化镜像（Commit）

# 1. 停止容器以避免数据不一致
docker stop mycontainer
# 2. 提交为镜像
docker commit mycontainer myapp:snapshot

4. 标记镜像名称和标签

docker tag 0291c26699b0 vllm0.62-dtk24.04:nginx

5. 构建镜像

docker build -t my-new-image .

6. 清空无效镜像

# 查看所有悬空镜像
docker images -f dangling=true
# 删除所有悬空镜像、无用容器、网络和卷
docker system prune

7. 强制删除被占用的镜像

问题：删除镜像时容器正在进行，需强制删除 -f
Error response from daemon: conflict: unable to delete 792b29f4daac (must be forced)

docker rmi -f 792b29f4daac

四、 Dockerfile 示例

FROM docker.new
WORKDIR /app
COPY llama3_pytorch /app/llama3_pytorch
RUN ls -l llama3_pytorch
RUN cd /app/llama3_pytorch/ && pip install -e .
RUN cd /app/llama3_pytorch/xtuner && pip install -e '.[all]'

五、 Ubuntu 镜像中添加 SSH 和 Sudo

加载或拉取镜像

docker load 镜像包
# 或
docker pull 原始镜像

运行镜像
```
docker run -it 镜像名 /bin/bash
```

添加 sudo

sudo -V || /usr/bin/sudo -V || /usr/local/bin/sudo -V; \
if [ $? -ne 0 ]; then \
  cd /tmp && dpkg --configure -a && \
  dpkg -i sudo_1.8.16-0ubuntu1.9_amd64.deb || \
  apt-get update && apt-get install -y sudo; \
fi

添加 SSH

/usr/sbin/sshd -p 22; \
if [ $? -ne 0 ]; then \
  apt-get update && apt-get dist-upgrade -y && \
  apt-get install -y openssh-server; \
fi
mkdir -p /var/run/sshd /root/.ssh

不使用 DNS

sed -i "s/#UseDNS ./UseDNS no/" /etc/ssh/sshd_config
sed -i -r "s/^(.*pam_nologin.so)/#\1/" /etc/pam.d/sshd
ssh-keygen -A

上传制作好的镜像至 GV 镜像管理加载使用（登录 Harbor）

六、 Docker 离线安装（无网络计算节点）

📖 参考教程：docker 离线安装_docker离线安装-CSDN博客

第一步：下载离线二进制文件

# 下载地址：https://download.docker.com/linux/static/stable/x86_64/
wget https://download.docker.com/linux/static/stable/x86_64/docker-20.10.22.tgz
tar -zxvf docker-20.10.22.tgz
sudo cp docker/* /usr/bin/
# 后台运行
sudo nohup dockerd &
docker run hello-world

第二步：下载 docker-compose

# 官网下载 docker-compose v2.20.0
# https://github.com/docker/compose/releases
mv docker-compose-Linux-x86_64 /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose
docker-compose -v

第三步：添加 systemd 服务

创建 /etc/systemd/system/docker.service：

[Unit]
Description=Docker Application Container Engine
Documentation=https://docs.docker.com
After=network-online.target firewalld.service
Wants=network-online.target

[Service]
Type=notify
ExecStart=/usr/bin/dockerd
ExecReload=/bin/kill -s HUP $MAINPID
LimitNOFILE=infinity
LimitNPROC=infinity
TimeoutStartSec=0
Delegate=yes
KillMode=process
Restart=on-failure
StartLimitBurst=3
StartLimitInterval=60s

[Install]
WantedBy=multi-user.target

chmod +x /etc/systemd/system/docker.service
systemctl daemon-reload
systemctl start docker

七、 GPU 相关问题排查

问题：Docker 不能在 GPU 上使用

docker: Error response from daemon: could not select device driver "" with capabilities:

前置检查：

确保离线机器 CentOS 版本与下载安装包的机器一致
提前安装与 CUDA 版本兼容的 NVIDIA GPU 驱动
Docker 版本 ≥ 19.03（支持 --gpus 参数）
所有依赖包已下载并安装

1. 配置 NVIDIA 仓库（有网机器）

sudo yum install -y yum-utils
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
&& curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo \
| sudo tee /etc/yum.repos.d/nvidia-docker.repo
sudo yum makecache

2. 下载 nvidia-container-toolkit 及依赖

sudo yum install --downloadonly --downloaddir=./nvidia-container-toolkit-rpms nvidia-container-toolkit
tar -czvf nvidia-container-toolkit-rpms.tar.gz -C ./nvidia-container-toolkit-rpms .

3. 传输到离线机器并安装

scp nvidia-container-toolkit-rpms.tar.gz user@offline-machine:/path/to/destination/
# 离线机器上解压
tar -xzvf nvidia-container-toolkit-rpms.tar.gz -C /path/to/extract/
# 安装
sudo yum install -y /path/to/extract/*.rpm
# 或手动 rpm 安装
sudo rpm -ivh /path/to/extract/*.rpm

4. 配置 Docker 使用 NVIDIA 运行时

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

5. 验证安装

docker run --rm --gpus all nvidia/cuda:11.8-base nvidia-smi

八、其他常见问题

问题1：运行容器报错 Open mkfd failed

解决：建立容器时加入 --device=/dev/mkfd

问题2：OOM monitoring failed - cgroups memory not supported

"cgroups: memory cgroup not supported on this system"

概念：内存控制组（cgroup）是 Linux 内核功能，允许将进程分组并限制资源使用。Docker 利用 cgroup 管理容器的 CPU、内存和磁盘 I/O。

可能原因：

内存限制设置过低
应用程序内存泄漏
并发请求过多
基础镜像性能问题
系统不支持（如 Rocky 9.3 cgroup/memory 未挂载）

排查命令：

docker info | grep Cgroup
docker run --rm -it --memory 100m alpine free -m  # 测试内存限制

尝试解决（修改 GRUB）：

# 修改 /etc/default/grub 后执行
sudo grub2-mkconfig -o /boot/grub2/grub.cfg

问题3：bw1000 测试报 XGMI 和 NCCL 错误

bw1000 设备除 DCU 驱动外是否需要类似 NVIDIA fabric-manager 的组件？

解决方案：

打开 NCCL_DEBUG=INFO，导出日志
临时 workaround：设置 NCCL_TOPO_FILE=null 环境变量
删除 /opt/dtk-25.04/rccl/lib/ 下的 XML 文件后可正常运行

Nginx 前台运行

nginx -g "daemon off;"

九、 Docker 常用命令速查表（补充）

容器生命周期管理

命令	说明
`docker run`	创建并启动新容器
`docker start <容器>`	启动已停止的容器
`docker stop <容器>`	优雅停止容器（SIGTERM）
`docker kill <容器>`	强制停止容器（SIGKILL）
`docker restart <容器>`	重启容器
`docker rm <容器>`	删除容器（加 `-f` 强制删除运行中容器）
`docker exec -it <容器> bash`	进入运行中的容器
`docker attach <容器>`	附加到容器终端（退出可能导致容器停止）
`docker pause / unpause`	暂停 / 恢复容器内所有进程
`docker wait <容器>`	阻塞等待容器退出并返回退出码

镜像管理

命令	说明
`docker pull <镜像>`	从仓库拉取镜像
`docker push <镜像>`	推送镜像到仓库
`docker rmi <镜像>`	删除本地镜像
`docker tag <源> <目标>`	给镜像打标签
`docker build -t <名称> .`	从 Dockerfile 构建镜像
`docker history <镜像>`	查看镜像构建历史
`docker import <tar>`	从 tar 包导入为镜像
`docker export <容器> > file.tar`	将容器文件系统导出为 tar

信息查看与调试

命令	说明
`docker ps -a`	查看所有容器（含已停止）
`docker images -a`	查看所有镜像（含中间层）
`docker inspect <对象>`	查看详细信息（JSON 格式）
`docker logs <容器>`	查看容器日志（`-f` 实时跟踪）
`docker stats`	实时显示容器资源使用情况
`docker top <容器>`	查看容器内进程
`docker diff <容器>`	查看容器文件系统变更
`docker info`	查看 Docker 系统信息
`docker version`	查看 Docker 版本

网络与数据卷

命令	说明
`docker network ls`	列出所有网络
`docker network create <名称>`	创建自定义网络
`docker network connect/disconnect`	连接/断开容器与网络
`docker volume ls`	列出所有数据卷
`docker volume create <名称>`	创建命名数据卷
`docker volume inspect <名称>`	查看数据卷详情
`docker volume rm <名称>`	删除数据卷

系统清理

命令	说明
`docker system prune`	清理未使用的容器、网络、悬空镜像
`docker system prune -a`	同上 + 清理未被任何容器引用的镜像
`docker system df`	查看 Docker 磁盘占用情况
`docker container prune`	仅清理已停止的容器
`docker image prune`	仅清理悬空镜像
`docker volume prune`	仅清理未使用的数据卷

Compose 常用命令

命令	说明
`docker-compose up -d`	后台启动所有服务
`docker-compose down`	停止并删除容器、网络
`docker-compose ps`	查看服务状态
`docker-compose logs -f`	实时查看所有服务日志
`docker-compose restart <服务>`	重启指定服务
`docker-compose exec <服务> bash`	进入指定服务容器
`docker-compose pull`	拉取最新镜像
`docker-compose build`	重新构建镜像