前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >day111部分&day112docker的简单配置应用

day111部分&day112docker的简单配置应用

原创
作者头像
少年包青菜
修改于 2020-04-16 10:26:47
修改于 2020-04-16 10:26:47
39400
代码可运行
举报
文章被收录于专栏:Python 学习Python 学习
运行总次数:0
代码可运行

1.docker安装

# docker 三大概念:镜像、容器、仓库

1.1yum下载安装

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
yum install docker* docker-*  -y

1.2启动docker

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
systemctl start   docker 
systemctl stop    docker 
systemctl restart docker 
systemctl status  docker 

1.3查看docker是否正确启动

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
docker version

2.镜像&容器

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1.docker search centos                 # 下载一个 centos 的镜像
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
2.docker pull centos                   # 下载docker的镜像
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
3.docker run centos                    # 此时只会生成一个容器记录,不产生 docker 进程
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
4.docker run -it  centos               # 此命令会 进入到容器空间内,进入到容器的centos中,产生 docker 进程
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
5.docker run -it  --rm  centos         # 运行一个 container实例 容器,并且在退出是,删除容器运行记录
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 通过--name参数给容器记录,加上别名,运行一段 shell
6.docker run --name leon123 -d centos /bin/sh -c "while true;do echo hello leon docker~~~~; sleep 1;done"
    -d 参数是  后台运行
    /bin/sh  调用shell解释器
    -c 指明一段shell语法
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
7.docker commit 容器id               # 提交一个容器创建一个新的镜像 
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
8.docker run -d centos -P  
    -d 后台运行
    -P(大写)  随机映射端口
    -P(小写)  将容器内的5000端口随机映射到宿主机的一个指定端口

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1.docker rm -f 容器id                 # docker rm删除的是已经停止的容器id
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
2.docker rmi -f 镜像id                # 删除一个镜像记录 ,只删记录不删文件
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
3.docker rm -f `docker ps -aq`        # 一次性删除所有容器id记录
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
4.docker rmi -f `docker images -aq`   # 一次性删除所有镜像记录

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1.docker stop  容器id                       # 停止正在运行的容器
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
2.docker start 容器id                       # 启动一个关闭中的容器
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
3.docker save centos > /opt/centos.tar.gz   # 导出docker镜像至本地
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
4.docker load < /opt/centos.tar.gz          # 导入镜像
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
5.docker exec -it 进程id  /bin/bash         # 进入正在运行的容器

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1.docker images           # 查看镜像记录
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
2.docker ps               # 查看容器记录  ,只能查看到正在运行中的容器
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
3.docker ps -a            # 查看停止的和在运行的容器记录
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
4.docker logs -f 容器id   # 查看正在运行中的 容器内日志
    -f  不间断打印 
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
5.docker port             # 查看外部访问 docker 的端口

3.仓库

3.1实验构建自己的镜像

存在部分问题,因此未做

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
分析模型案例解析:决策树分析法 —决策常用的分析工具
没有模型很难做好分析,希望记住这句话。 1. 概念含义 1.1.基本概念 决策树分析法又称概率分析决策方法,是指将构成决策方案的有关因素,以树状图形的方式表现出来,并据以分析和选择决策方案的一种系统分析法。它是风险型决策最常用的方法之一,特别式勇敢于分析比较复杂的问题。她以损益值为依据,比较不同方案的期望损益值(简称期望值),决定方案的取舍,其最大特点是能够形象地显示出整个决策问题在时间上和不同阶段上的决策过程,逻辑思维清晰,层次分明,非常直观。 2. 主要内容 2.1. 结构 决策树是由不同结点和方案枝构
沉默的白面书生
2018/05/07
8.3K0
分析模型案例解析:决策树分析法 —决策常用的分析工具
R语言CART决策树、随机森林、chaid树预测母婴电商平台用户寿命、流失可视化
借着二胎政策的开放与家庭消费升级的东风,母婴市场迎来了生机盎然的春天,尤其是母婴电商行业,近年来发展迅猛。用户获取和流失是一对相对概念,就好比一个水池,有进口,也有出口。我们不能只关心进口的进水速率,却忽略了出水口的出水速率。挽留一个老用户相比拉动一个新用户,在增加营业收入、产品周期维护方面都是有好处的。并且获得一个新用户的成本是留存一个老用户的5~6倍。
拓端
2023/02/20
2880
R语言气象模型集成预报技术:神经网络、回归、svm、决策树用环流因子预测降雨降水数据
随着天气预报技术的发展,数值预报产品日益丰富,预报方法多种多样。我们被客户要求撰写关于气象集成预报技术的研究报告,包括一些图形和统计输出。在实际应用中,对每个具体的问题,各种预报方法得出的结果通常是不一致的,因而不知道如何将它们统一起来。因此需要采用一种较好的处理方法,把不同预报方法对同一要素的多种预报结果综合在一起,从而得出一个优于单一预报方法的预报结论,这就是预报方法的集成问题。
拓端
2023/02/23
3920
随机森林算法
Bagging框架,即 Bootstrap Aggregating,是一个用于提高机器学习算法稳定性和准确性的方法。Bagging 算法通过对原始数据集进行有放回的抽样,生成多个不同的数据子集,然后分别在这些子集上训练模型。最后,通过对这些模型的预测结果进行投票(分类问题)或求平均(回归问题),得到最终的预测。Bagging 方法可以有效减少模型的方差,防止过拟合,并提高模型的泛化能力。
@小森
2024/03/15
1740
随机森林算法
R语言气象模型集成预报:神经网络、回归、svm、决策树用环流因子预测降雨降水数据|附代码数据
我们被客户要求撰写关于气象集成预报技术的研究报告,包括一些图形和统计输出。 随着天气预报技术的发展,数值预报产品日益丰富,预报方法多种多样 ( 点击文末“阅读原文”获取完整代码数据******** )。
拓端
2023/07/24
4260
手把手教你R语言随机森林使用
随机森林是常用的非线性用于构建分类器的算法,它是由数目众多的弱决策树构建成森林进而对结果进行投票判断标签的方法。
生信学习者
2024/06/11
7150
手把手教你R语言随机森林使用
从决策树到随机森林:树型算法的原理与实现
选自Github.io 作者:Sadanand Singh 机器之心编译 基于树(Tree based)的学习算法在数据科学竞赛中是相当常见的。这些算法给预测模型赋予了准确性、稳定性以及易解释性。和线性模型不同,它们对非线性关系也能进行很好的映射。常见的基于树的模型有:决策树(decision trees)、随机森林(random forest)和提升树(boosted trees)。 在本篇文章中,我们将会介绍决策树的数学细节(以及各种 Python 示例)及其优缺点。你们将会发现它们很简单,并且这些内
机器之心
2018/05/09
2.2K0
从决策树到随机森林:树型算法的原理与实现
数据分享|R语言逻辑回归、线性判别分析LDA、GAM、MARS、KNN、QDA、决策树、随机森林、SVM分类葡萄酒交叉验证ROC|附代码数据
该数据集(查看文末了解数据获取方式)有1599个观测值和12个变量,分别是固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐、酒精和质量。固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH、硫酸盐和酒精是自变量并且是连续的。质量是因变量,根据 0 到 10 的分数来衡量。
拓端
2023/09/14
3750
R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
这个数据集可以追溯到1988年,由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数,0=无病,1=有病。
拓端
2021/07/16
1.7K0
R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
R语言基于树的方法:决策树,随机森林,套袋Bagging,增强树
本文是有关  基于树的  回归和分类方法的。用于分割预测变量空间的分割规则可以汇总在树中,因此通常称为  决策树  方法。
拓端
2020/08/21
1.2K0
一文弄懂随机森林的原理和应用
随机森林是一种集成学习算法,属于Bagging类型,通过组合多个决策树的预测结果得出最终的预测结果。
阿黎逸阳
2023/12/04
8.6K0
一文弄懂随机森林的原理和应用
从零开始学Python【35】--CART决策树(实战部分)
在《从零开始学Python【34】--CART决策树(理论部分)》期中我们介绍了有关CART决策树的构造和节点选择的理论知识,但理论终究需要实战进行检验。本文我们就从实战的角度,继续介绍CART决策树的实际应用。
1480
2019/05/21
1.1K0
【机器学习】——决策树以及随机森林
前言:决策树算法(Decision Tree)详解 决策树(DecisionTree)是一种基于树形结构的监督学习算法,广泛应用于分类和回归任务。它通过一系列的决策规则逐步将数据集划分成多个子集,从而构建出易于理解的决策模型。决策树不仅易于可视化、便于解释,还能够处理复杂的多变量决策问题,因此在各类机器学习模型中占有重要地位。
用户11286421
2024/09/29
1.7K0
【机器学习】——决策树以及随机森林
R语言randomForest包的随机森林分类模型以及对重要变量的选择
随机森林(random forest)是一种组成式的有监督学习方法,可视为决策树的扩展。
用户7010445
2021/08/31
30.7K6
R语言randomForest包的随机森林分类模型以及对重要变量的选择
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
如果能提前准确预测这些信息,可以为医生提供重要见解,从而能够相应并有效地进行患者治疗。以下演示了对流行的心脏疾病数据库进行的探索性数据分析。除此之外,还使用不同方法(如逻辑回归、随机森林和神经网络)进行心脏病预测。
拓端
2023/09/25
8680
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
Python与R语言用XGBOOST、NLTK、LASSO、决策树、聚类分析电商平台评论信息数据集
在当今数字化浪潮席卷的时代,电商市场的蓬勃发展犹如一部波澜壮阔的史诗,蕴藏着无尽的商业价值与潜力。电商平台积累的海量数据,宛如一座等待挖掘的宝藏,其中蕴含着消费者行为、市场趋势等宝贵信息。如何运用先进的数据分析技术从这些数据中提取有价值的见解,成为电商从业者和数据科学家们共同关注的焦点(点击文末“阅读原文”获取完整代码、数据、文档)。
拓端
2025/04/13
1270
Python与R语言用XGBOOST、NLTK、LASSO、决策树、聚类分析电商平台评论信息数据集
R语言逻辑回归(Logistic Regression)、回归决策树、随机森林信用卡违约分析信贷数据集|附代码数据
本文中我们介绍了决策树和随机森林的概念,并在R语言中用逻辑回归、回归决策树、随机森林进行信用卡违约数据分析(查看文末了解数据获取方式)
拓端
2023/02/07
6650
「R」逻辑回归、决策树、随机森林
有监督学习基于一组包含预测变量和输出变量的样本单元。将全部数据分为一个训练数据集和一个验证数据集,其中训练集用于建立预测模型,验证集用于测试模型的准确性。
王诗翔呀
2020/07/03
1.7K0
数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据
这个数据集可以追溯到1988年,由四个数据库组成。克利夫兰、匈牙利、瑞士和长滩。"目标 "字段是指病人是否有心脏病。它的数值为整数,0=无病,1=有病 。
拓端
2022/11/15
9270
R语言航班延误影响预测分析:lasso、决策树、朴素贝叶斯、QDA、LDA、缺失值处理、k折交叉验证
航班延误是航空公司、旅客和机场管理方面都面临的一个重要问题。航班延误不仅会给旅客带来不便,还会对航空公司和机场的运营产生负面影响。因此,对航班延误的影响因素进行预测分析,对于航空公司、旅客和机场管理方面都具有重要意义。
拓端
2023/06/12
4360
推荐阅读
分析模型案例解析:决策树分析法 —决策常用的分析工具
8.3K0
R语言CART决策树、随机森林、chaid树预测母婴电商平台用户寿命、流失可视化
2880
R语言气象模型集成预报技术:神经网络、回归、svm、决策树用环流因子预测降雨降水数据
3920
随机森林算法
1740
R语言气象模型集成预报:神经网络、回归、svm、决策树用环流因子预测降雨降水数据|附代码数据
4260
手把手教你R语言随机森林使用
7150
从决策树到随机森林:树型算法的原理与实现
2.2K0
数据分享|R语言逻辑回归、线性判别分析LDA、GAM、MARS、KNN、QDA、决策树、随机森林、SVM分类葡萄酒交叉验证ROC|附代码数据
3750
R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
1.7K0
R语言基于树的方法:决策树,随机森林,套袋Bagging,增强树
1.2K0
一文弄懂随机森林的原理和应用
8.6K0
从零开始学Python【35】--CART决策树(实战部分)
1.1K0
【机器学习】——决策树以及随机森林
1.7K0
R语言randomForest包的随机森林分类模型以及对重要变量的选择
30.7K6
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
8680
Python与R语言用XGBOOST、NLTK、LASSO、决策树、聚类分析电商平台评论信息数据集
1270
R语言逻辑回归(Logistic Regression)、回归决策树、随机森林信用卡违约分析信贷数据集|附代码数据
6650
「R」逻辑回归、决策树、随机森林
1.7K0
数据分享|R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病|附代码数据
9270
R语言航班延误影响预测分析:lasso、决策树、朴素贝叶斯、QDA、LDA、缺失值处理、k折交叉验证
4360
相关推荐
分析模型案例解析:决策树分析法 —决策常用的分析工具
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验