3种方法解决Docker容器中配置运行环境问题

1. dockerfile用于通过脚本生成镜像

2.进入docker容器后，配置环境完，导出容器快照为镜像，拷贝到另一个主机，再进行加载；

3.在本地将依赖库等需要的文件按照目录整理好，映射到docker中。

1. dockerfile用于通过脚本生成镜像

用到的文件操作指令：

将当前的目录复制到/app中

COPY . /app

设置进入后工作路径

WORKDIR /app

本地存在一个start.sh文件，将脚本文件复制到目录中

COPY ./start.sh /app/

RUN chmod 777 /app/start.sh

A. 在本地编写一个test.dockerfile文件，从网上拉取一个ubuntu:20.04镜像，并进行简单配置

# 使用Ubuntu 20.04作为基础镜像  
FROM ubuntu:20.04  # 设置环境变量TZ为Asia/Shanghai  
ENV TZ=Asia/Shanghai  
# 设置时区  
RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && echo $TZ > /etc/timezone  # 将当前目录下的文件复制到容器的/app目录中  
# 注意：通常使用/app而不是~/，因为~/可能依赖于容器的shell和用户的HOME环境变量  
COPY . /app  RUN sed -i 's/# \(deb .* universe\)$/\1/g' /etc/apt/sources.list && \  sed -i 's/# \(deb-src .* universe\)$/\1/g' /etc/apt/sources.list  # 更新apt包列表  
# RUN apt-get update # RUN apt-get install -y python3  # apt-get install -y python3 && \  # rm -rf /var/lib/apt/lists/*  # 创建一个简单的Python脚本  
RUN touch test.py  
RUN echo "print('hello')" >> test.py  # 设置工作目录为/app  
WORKDIR /app  
# 使用CMD指令运行Python脚本  
# 注意：CMD中的路径应该是相对于WORKDIR或者绝对路径，这里使用相对路径  
# CMD ["python3", "./test.py"]# TAG test:20.04

如果pip install无法联网，则可以更换源

FROM test:20.04# RUN mkdir ./app
WORKDIR /app  RUN pwd
RUN  ls
RUN touch hello.txt
# TAG test001:20.04
# 更新软件包列表并安装基本工具和库  
RUN apt update && apt install -y \  python3 \  python3-pip \  pkg-config \  cmake \  g++ \  build-essential \  libglib2.0-dev \  apt-utils \  default-jdk \  python3-all-dev \  liblua5.1-dev \  golang \  doxygen \  git \  python3.8-dev \  python3.8-tk \  tk-dev \  libfreetype6-dev \  vim \  net-tools \  iputils-ping \  libatlas-base-dev \  liblapack-dev \  gfortran  # 设置pip源  
ENV PIP_DEFAULT_TIMEOUT=100  
ENV PIP_DISABLE_PIP_VERSION_CHECK=1  
RUN mkdir /pip  # pip.conf 文件内容如下  
# [global]  
# index-url = https://pypi.tuna.tsinghua.edu.cn/simple  
COPY pip.conf /pip/
ENV PIP_CONFIG_FILE=/pip/pip.conf # 或者直接在RUN命令中设置  
RUN pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple some-package  # 使用pip安装Python库  RUN apt-get install -y python3-matplotlib
RUN pip3 install --upgrade pip   
RUN pip3 install matplotlib scipy pandas# 清理无用的apt缓存（可选，减少镜像大小）  
RUN apt clean && rm -rf /var/lib/apt/lists/*  # 设置工作目录（如果需要的话）  
WORKDIR /appCOPY ./start.sh /app/
RUN chmod 777 /app/start.sh
CMD ["python3", "test.py"]
# CMD [ "/bin/bash", "-c",  "./start.sh"]# TAG test001:20.04
# docker buildx build --file /home/gdp/test/dockertest/test001.dockerfile --tag test001:20.04 .

B. 运行指令，生成镜像，镜像的tag为test:20.04

docker buildx build --file /home/gdp/test/dockertest/test.doc
kerfile --tag test:20.04 .

C. 在本地编写一个test001.dockerfile文件，基于上一步生成test:20.04镜像，并进行简单配置。省的每次build需要花较长的时间。

start.sh文件内容如下，末尾添加bash，在程序运行结束后，会保持端口打开，不会自动关闭。

#!/bin/bash
python3 test.py 
bash

FROM test:20.04# RUN mkdir ./app
WORKDIR /app  RUN pwd
RUN  ls
RUN touch hello.txt
# TAG test001:20.04RUN apt-get  updateRUN apt install -y  python3
RUN apt-get install -y pkg-config
RUN apt-get install -y cmake
RUN apt-get install -y g++RUN mv /test.py /app/test.pyCOPY ./start.sh /app/
RUN chmod 777 /app/start.sh
# CMD [ "/bin/bash", "-c",  "./start.sh"]

D. 运行指令，生成镜像，镜像的tag为test001:20.04

docker buildx build --file /home/gdp/test/dockertest/test001.dockerfile --tag test001:20.04 .

反复运行该指令，并修改test001.dockerfile，

该方式：适合配置一些简单的基础包。不合适用于改动或调试工程代码或处理复杂的安装依赖文件等。

2.进入docker容器后，配置环境完，导出容器快照为镜像

在Docker容器中配置环境，并将其作为镜像供另一台机器使用，例如，上述方法中没有安装eigen库，下面在进入docker后安装库，并不丢失的保存为镜像。

a. 进入镜像

docker run --rm -it  test001:20.04

b. 安装eigen

查看是否已安装eigen3库

root@ac447a8ed1dc:/app#    pkg-config --modversion eigen3

没有安装的话，安装一下

root@ac447a8ed1dc:/app#    apt-get install libeigen3-dev

二、将配置好的容器保存为镜像

docker 查看container的名称

docker container ls

提交容器为镜像：

docker commit eager_bardeen eigentest:eigen3

docker commit 镜像名称新的镜像名:新标签

可以查看到镜像

gdp@gdp:~$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
eigentest eigen3 bd3483f2d3ae 41 seconds ago 290MB
启动eigentest镜像的交互终端，再次运行，验证是否已安装eigen

pkg-config --modversion eigen3

已安装eigen，将镜像导出并传输到另一台机器

docker save -o myeigen.tar eigentest:eigen3

生成.tar文件，将导出的tar文件传输到另一台机器

进行镜像的加载

docker load -i myeigen.tar

运行容器

docker run --rm -it  eigentest:eigen3

--rm，一旦容器停止，它就会被自动删除

-it选项，你将能够在一个交互式shell中操作容器，就好像你直接在容器内部工作一样

成功进入！

通过以上步骤，你可以在Docker容器中配置环境，并将其作为镜像供另一台机器使用。

3.文件按照目录整理好，映射到docker中，将所需文件复制到目录中

新建一个shell文件docker_load.sh，用于docker加载时的一些操作

#生成docker镜像
# docker buildx build --file /home/gdp/test/dockertest/test001.dockerfile --tag test001:20.04 .
# 获取当前脚本所在的绝对路径目录
current_pwd=$(cd $(dirname $0); pwd)
current_pwd_short=$(basename $(pwd))
# echo $current_pwd
# echo $current_pwd_short
root_dir=$current_pwd/../
root_dir="/home/gdp/test/dockertest"
# # 配置容器参数docker_args="\-v $root_dir:/app"
docker run --rm -it   $docker_args  test001:20.04

最后两句-v $root_dir:/app将宿主机工程目录映射到docker中

再在根目录新建一个docker_build.sh的shell脚本，用于在进入docker之后进行编译操作

# 将放在本地目录下整理好的库文件复制到docker本地./environment相当于/，
# 将./environment/usr文件复制到docker的/下，-ar保证同时不损害原来docker:/usr中的文件
current_dir=$(pwd)
environment_dir=$current_dir/environmentcp -ar $environment_dir/usr  /cd build
cmake ..
make

编译一个eigen的工程，参考如下链接一次成功流水账-Cmake组织工程并调用Eigen库_cmakelist eigen-CSDN博客

由于docker中没有安装eigen库，也没有映射进去，所以报错。

将eigen库运行需要的文件按照目录放置在environment的目录下usr文件夹中，

包括可执行文件，库文件，.cmake文件和头文件等。

通过如下cp -ar的指令将文件复制到docker的本地/usr目录中，同时不破坏docker原有的/usr目录下的文件。

-a：以归档模式复制，这意味着它会尽可能保留源文件的属性（如权限、时间戳、链接等），并递归地复制目录。
-r：递归复制，但因为 -a 已经包含了这一行为，所以在这里是可选的。

再次修改docker_build.sh脚本

将映射后目录的内容复制到docker本地目录中

current_dir=$(pwd)
environment_dir=$current_dir/environmentcp -ar $environment_dir/usr  /cd build
cmake ..
make./Eigentest

生成可执行文件./Eigentest

能够正常运行。

在配置好运行环境之后，正常的流程如下

1. 修改代码和cpp文件

2. 执行./scripts/docker_load.sh脚本，启动docker，映射目录

3. 执行./docker_build.sh脚本，将库文件等复制到docker容器环境中，并进行编译并运行。

docker中如何显示仿真界面，以及在docker中如何使用nvidia显卡，都是可以实现的。涉及到如下一些指令参数，仅供参考。

首先，在主系统里运行，就是你host主机，需要注意的是，每次重新开机，需要在本机操作一次xhost +

$ sudo apt-get install x11-xserver-utils$ xhost +

docker run 添加如下两个参数0或1可以试下， -e DISPLAY=:1 -v /tmp/.X11-unix:/tmp/.X11-unix

docker_args="-v $root_dir:/app -e DISPLAY=:1 -v /tmp/.X11-unix:/tmp/.X11-unix"

如果在docker中使用nvidia的驱动和显示

需要在宿主机提前安装好nvidia-docker这个软件，安装教程可以参考Ubuntu 20.04 系统安装Docker及nvidia-docker2 - 文章 - 开发者社区 - 火山引擎

echo "# working in WITH NVIDIA Card"
docker run -it -d --device=/dev/dri \--env="DISPLAY" --env="QT_X11_NO_MITSHM=1" -e DISPLAY=$DISPLAY -e NVIDIA_VISIBLE_DEVICES=all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,graphics --runtime=nvidia \
$docker_args > /dev/null 2>&1