Docker容器有那么强大吗？它能应用到数据科学领域吗？它似乎在学习!Docker容器是一种越来越流行的通过虚拟化开发和部署应用程序的方式，它对数据科学家有用吗？当然，本指南将向您展示它的功能，并为您提供快速、分步的指导。

介绍

Docker是一个越来越流行的工具，它使得在容器中更容易开发、部署和运行应用程序。因为它们允许开发人员将应用程序与所需的所有部分打包，例如库和其他依赖项，并将其打包为包，这使得开发人员更容易使用。你一定想知道：这是软件工程师常用的工具，但数据科学家如何使用这个强大的工具呢？鉴于您有类似的问题，让我们首先讨论在数据科学中使用Docker的一些原因。

为什么选择Docker?

0

Docker对数据科学家或软件工程师最大的吸引力之一是它的可重复性。除了共享Docker镜像本身，理论上还可以通过共享python脚本与他人共享Docker内部的数据。简而言之，您还可以运行这个脚本来查看Docker映像的内容。

0

Docker不需要安装单独的软件包，因为它们都包含在Docker镜像本身中，因此节省了时间。此外，Docker容器的启动时间约为50ms，比运行传统虚拟机快得多。

3.灵活性

它是一个非常灵活的工具，因为Docker库可以快速创建和运行任何Docker映像软件。

4. 自己的测试环境

在将软件环境托管到活动服务器之前，Docker用于测试软件环境。您可以将Docker容器配置为与服务器环境相同，从而使测试更容易。

5. 分布式

数据科学家可以花一些时间让他们的机器适应特定的框架。例如，Docker为用户提供了30多种独特的方式来设置他们的Caffe环境，并且Docker提供了一个一致的平台来共享这些工具，减少了搜索操作系统特定安装程序和库的时间。

6. 可访问性

Docker生态系统——Docker组件和Docker机器——使任何人都可以轻松访问。这意味着一些不熟悉代码的公司成员仍然可以运行它。您甚至可以向销售团队成员或高级管理层展示您正在构建的新数据科学应用程序!

开始

现在我们已经介绍了使用Docker的好处，我们可以开始学习Docker了。首先，登录Docker站点安装软件版本。为确保正确安装，请打开命令行，输入docker版本号。它应该显示如下内容：

花点时间，现在我们已经安装了Docker，让我们看一个相对简单的常见示例，它执行以下代码：

对于Docker新手来说，直接开始练习有点令人生畏。为了便于理解，这个例子将被分解：

docker run:这个命令的作用是找到映像(在本例中是jupyter笔记本)，加载一个容器，然后在该容器中运行一个命令。

关键字-p 8000:8000: 'p'代表端口，因此这部分命令以-p host port:容器端口的格式打开主机与容器之间的端口。

jupyter/notebook:要加载的图像。对于Jupyter笔记本，您可以在官方Docker库中浏览数千个最流行的软件工具。运行该命令并导航到http://localhost:8000/后，您应该看到以下内容：

这个过程应该很简单，当你想下载Python运行时和Jupyter包时，通过Docker运行它是非常有效的。现在您正在运行，开始在主机和容器之间共享Jupyter笔记本。首先，我们需要在主机上创建一个目录来存储笔记本，我们将其命名为/jupyter-notebook。当Docker运行时，共享目录操作和端口的工作方式是类似的。我们需要增加以下内容：

因此，现在映射主机端口：容器端口：(例如主机上的~/jupyr -notebook，容器上的/home/joyvan)。Jupyter Docker文档中的容器目录将是这种类型映像的指定工作目录。结合我们之前运行的命令，完整的命令应该是这样的：

现在只需加载本地主机服务器，创建一个新的笔记本，并将其重命名为“Example notebook”。最后，检查本地主机上的~/jupyter-notebook目录，并参见：示例Notebook。

Dockerfile

Dockerfile是一个文本文档，其中包含可用于自动创建Docker映像的命令。这是一种保存Docker命令并通过Docker build /path/to/dockerfile命令连续执行的有效方法。上面提到的Jupyter笔记本的Dockerfile如下所示：

现在来看每个部分：

FROM Ubuntu : latest

这指的是Docker对于新映像应该基于什么，在本例中是ubuntu。Latest:直接调用最新版本。如果要测试旧版本，则需要输入版本号。

RUN apt-get update apt-get install -y python3 \ python3-pip

这一行确保系统是最新的，然后安装python3和pip3。

RUN pip3 install jupyter

然后安装Jupyter。

WORKDIR /home/jupyter

COPY /src/jupyter ./

在Docker镜像容器上设置工作目录，然后从本地主机复制所需的文件。

EXPOSE 8000

端口8000暴露给主机的方式与之前-p的工作方式类似。

ENTRYPOINT ['jupyter', 'notebook', '--ip=*']

开始一个Jupyter笔记本。

Dockerfile非常有用，因为它允许团队中的其他成员轻松地运行Docker容器。

结论

正如你所看到的，我们成功地为Docker提供了一个工作用例，并且运行得非常快。我们只是触及了您可以做的事情的表面，但Docker是一个具有无限可能性的惊人库。成为Docker专家不仅可以帮助您进行本地开发，还可以在与数据科学家团队合作时节省大量时间、金钱和精力。