• 它是目前最流行的 Linux 容器解决方案。

• Docker 将应用程序与该程序的依赖，打包在一个文件里面。运行这个文件，就会生成一个虚拟容器。程序在这个虚拟容器里运行，就好像在真实的物理机上运行一样。有了 Docker，就不用担心环境问题.

• 开发人员可以通过 Dockerfile (opens new window)来进行镜像构建，并结合 持续集成(Continuous Integration)

• Docker 的主要用途，目前有三大类。

提供一次性的环境。比如，本地测试他人的软件、持续集成的时候提供单元测试和构建的环境。 提供弹性的云服务。因为 Docker 容器可以随开随关，很适合动态扩容和缩容。 组建微服务架构。通过多个容器，一台机器可以跑多个服务，因此在本机就可以模拟出微服务架构

• Docker 把应用程序及其依赖，打包在镜像（Image）文件里面。 Docker 镜像（Image），就相当于是一个 root 文件系统.

• 分层存储的特征还使得镜像的复用、定制变的更为容易。甚至可以用之前构建好的镜像作为基础层，然后进一步添加新的层，以定制自己所需的内容，构建新的镜像

• 镜像（Image）和容器（Container）的关系，就像是面向对象程序设计中的 类 和 实例 一样，镜像是静态的定义，容器是镜像运行时的实体。容器可以被创建、启动、停止、删除、暂停等。

• 一个 Docker Registry 中可以包含多个仓库（Repository）；每个仓库可以包含多个标签（Tag）；每个标签对应一个镜像。

• Command ** docker image pull library/hello-world #(group/name) ** docker image ls

  step 1: create .dockerignor

  .git node_modules npm-debug.log 这三个路径要排除，不要打包进入 image 文件。如果你没有路径要排除，这个文件可以不新建。

  step2: create Dockerfile

FROM node:8.4 COPY . /app WORKDIR /app RUN npm install –registry=https://registry.npm.taobao.org EXPOSE 3000 FROM node:8.4：该 image 文件继承官方的 node image，冒号表示标签，这里标签是8.4，即 8.4 版本的 node。 COPY . /app：将当前目录下的所有文件（除了.dockerignore排除的路径），都拷贝进入 image 文件的/app目录。 WORKDIR /app：指定接下来的工作路径为/app。 RUN npm install：在/app目录下，运行npm install命令安装依赖。注意，安装后所有的依赖，都将打包进入 image 文件。 EXPOSE 3000：将容器 3000 端口暴露出来， 允许外部连接这个端口

step3: 创建 image 文件

$ docker image build -t koa-demo . $ docker image build -t koa-demo:0.0.1 . 上面代码中，-t参数用来指定 image 文件的名字，后面还可以用冒号指定标签。如果不指定，默认的标签就是latest。最后的那个点表示 Dockerfile 文件所在的路径，上例是当前路径，所以是一个点。

如果运行成功，就可以看到新生成的 image 文件koa-demo了。

Step4：生成容器

$ docker container run -p 8000:3000 -it koa-demo /bin/bash

$ docker container run -p 8000:3000 -it koa-demo:0.0.1 /bin/bash

-p参数：容器的 3000 端口映射到本机的 8000 端口。 -it参数：容器的 Shell 映射到当前的 Shell，然后你在本机窗口输入的命令，就会传入容器。 koa-demo:0.0.1：image 文件的名字（如果有标签，还需要提供标签，默认是 latest 标签）。 /bin/bash：容器启动以后，内部第一个执行的命令。这里是启动 Bash，保证用户可以使用 Shell。

在本机的另一个终端窗口，查出容器的 ID $ docker container ls

停止指定的容器运行

$ docker container kill [containerID]

Step5: 发布 image 文件

$ docker login 实例 $ docker image tag [imageName] [username]/[repository]:[tag] $ Ex: docker tag testupdate lee1991joe/testupdate:latest

$ docker image build -t [username]/[repository]:[tag] . $ Ex: docker image build -t lee1991joe/testupdate:latest .

$ docker image push [username]/[repository]:[tag] $ Ex: docker image push lee1991joe/testupdate:latest https://towardsdatascience.com/how-to-run-jupyter-notebook-on-docker-7c9748ed209f Ref: https://dunwu.github.io/linux-tutorial/docker/docker-quickstart.html#%E7%94%9F%E6%88%90%E5%AE%B9%E5%99%A8

PS C:\Users\libi292\test> In Dockerfile-jupyter-ubuntu22.04 FROM pflotran/pflotran:ubuntu22

ENV DEBIAN_FRONTEND noninteractive RUN apt-get update -qq RUN apt-get install -y python3-pip python3-matplotlib python3-pandas RUN pip3 install jupyterlab ipywidgets ENV SHELL /bin/bash RUN echo “alias ltr=’ls -ltr’” » $HOME/.bashrc COPY Flex_Interface.ipynb . COPY OM_oxidation.ipynb . COPY OWC_WTE_OXNIC1.csv . COPY user_input-obs-0.pft . COPY hanford.dat . COPY OM_oxidation-Kbase-obs-0.pft . CMD jupyter lab –ip 0.0.0.0 –no-browser –allow-root

docker build -f Dockerfile-jupyter-ubuntu22.04 -t pflotran/reaction_workflow_jupyter:ubuntu22 .

lee1991joe = user name docker build -f Dockerfile-jupyter-ubuntu22.04 -t lee1991joe/reaction_workflow_jupyter:ubuntu22 . docker push lee1991joe/reaction_workflow_jupyter:ubuntu22