📚 课程目录第3章容器技术基础

3、容器技术基础：Docker核心概念、镜像与容器管理

3.1 核心概念：镜像、容器与仓库

在容器化GPU环境部署中，Docker是最常用的容器运行时。要理解Docker的工作方式，必须首先厘清三个核心概念：镜像（Image）、容器（Container）与仓库（Repository）。三者的关系可以类比为：镜像是一个只读的“模板”或“安装包”，容器是镜像运行后产生的“实例”，而仓库则是存放和分发镜像的“网盘”。

镜像采用分层结构构建，每一层都是只读的。当使用docker pull拉取镜像时，Docker会按层下载并缓存；当基于镜像启动容器时，Docker会在镜像层之上添加一个可写层（容器层）。所有对容器的修改（如安装CUDA库、写入配置文件）都发生在可写层，而镜像本身不会被改变。这种设计使得多个容器可以共享同一镜像的底层数据，极大节省了磁盘空间并加速了启动过程。

对于GPU环境而言，镜像中通常需要包含CUDA驱动库、cuDNN、Python解释器及PyTorch/TensorFlow等框架。但需要注意：镜像内不包含GPU内核驱动，驱动由宿主机提供，容器通过NVIDIA Container Toolkit挂载宿主机的驱动文件与GPU设备节点。

关键理解：镜像层是只读的、可共享的；容器层是可写的、临时的。删除容器不会删除镜像，但容器未提交的修改会丢失。

3.2 镜像管理：拉取、查看与构建

镜像管理是容器化GPU环境的基础操作。常用的镜像管理命令包括：

docker search <关键词>：在Docker Hub中搜索镜像，例如docker search pytorch。
docker pull <镜像名>:<标签>：拉取镜像，GPU环境建议明确指定标签，如docker pull pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime。
docker images：查看本地已有的镜像列表，可看到镜像ID、大小和创建时间。
docker rmi <镜像ID>：删除本地镜像。
docker build -t <自定义名>:<标签> .：根据Dockerfile构建自定义镜像。

在GPU场景中，拉取镜像时需注意镜像标签的CUDA版本必须与宿主机驱动兼容。例如，宿主机驱动为535.xx时，最高支持CUDA 12.2，此时拉取nvidia/cuda:12.1-base是安全的；若驱动过旧而镜像CUDA版本过高，容器内程序将无法调用GPU。

Dockerfile 构建示例

当官方镜像无法满足需求时，可通过Dockerfile构建自定义镜像。以下是一个用于深度学习训练的Dockerfile片段：

FROM nvidia/cuda:12.1.0-cudnn8-devel-ubuntu22.04
ENV DEBIAN_FRONTEND=noninteractive

# 安装Python和pip
RUN apt-get update && apt-get install -y python3.10 python3-pip git

# 安装PyTorch（使用CUDA 12.1版本）
RUN pip3 install torch==2.1.0 torchvision==0.16.0 \
    --index-url https://download.pytorch.org/whl/cu121

# 设置工作目录
WORKDIR /workspace
CMD ["/bin/bash"]

构建命令：docker build -t mydl:gpu-v1 .。构建过程中每一行指令都会生成一个新的镜像层，因此应尽量合并RUN指令以减少层数，缩小镜像体积。

3.3 容器管理：创建、启动与进入

容器管理是日常使用最频繁的操作。核心命令如下：

操作	命令示例	说明
创建并启动	`docker run --gpus all -it --name train_env pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime`	`--gpus all`使容器可访问所有GPU
查看运行中容器	`docker ps`	加`-a`可查看所有容器
进入容器	`docker exec -it train_env bash`	在容器内执行交互式shell
停止容器	`docker stop train_env`	发送SIGTERM信号
删除容器	`docker rm train_env`	需先停止容器
查看GPU映射	`docker inspect train_env \| grep -i gpu`	确认设备挂载是否正确

实用技巧：使用docker run --gpus '"device=0,1"'可指定仅使用第0和第1号GPU；使用-v /data:/workspace/data可将宿主机的数据集目录挂载到容器内，避免重复拷贝。

3.4 案例：部署PyTorch GPU训练环境

下面通过一个完整案例演示从零部署PyTorch GPU训练环境的过程。

检查宿主机GPU驱动：执行nvidia-smi确认驱动版本为535.xx及以上，并记录GPU型号。
拉取官方镜像：docker pull pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime，该镜像已预装PyTorch 2.1.0和CUDA 12.1。
创建并启动容器：docker run --gpus all -it --name pytorch_gpu -v /home/user/data:/workspace/data pytorch/pytorch:2.1.0-cuda12.1-cudnn8-runtime
验证GPU可用性：在容器内执行python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.device_count())"，若输出True和GPU数量，则环境配置成功。
运行训练脚本：将训练代码放入挂载目录，执行python /workspace/data/train.py。

3.5 常见误区与复盘

误区一：在镜像中安装NVIDIA驱动。容器共享宿主机内核，无法在镜像内安装驱动。正确做法是使用--gpus参数让Docker自动挂载宿主机的驱动文件。

误区二：忽略CUDA版本兼容性。镜像中的CUDA版本必须不高于宿主机驱动支持的CUDA版本。可通过nvidia-smi右上角查看驱动支持的最高CUDA版本。

误区三：容器退出后数据丢失。容器删除后，其可写层中的修改全部丢失。应使用-v挂载数据卷保存代码、模型权重和日志，或使用docker commit将容器保存为新镜像。

复盘建议：在团队协作中，建议将Dockerfile和依赖清单（requirements.txt）纳入版本控制，确保任何成员都能构建出完全一致的环境。同时，定期执行docker system prune清理悬空镜像和停止的容器，避免磁盘空间被无用的中间层占满。