涉及到运行过程下载模型的，通过dockerfile run提前在打包镜像的时候下载好

import paddlenlp as ppnlp

tokenizer = ppnlp.transformers.ErnieTokenizer.from_pretrained("ernie-1.0")
pretrained_model = ppnlp.transformers.ErnieModel.from_pretrained("ernie-1.0")

docker run --name sposal-prd-0930 --net=host --expose=9534 -d qn-disposal-prd2:1.0.0

内部网络内部网络记得用–net=host方式启动，否则链接不了数据库











就是起到一个一键上传的作用，以及docker仓库的统一管理，剩下的就是常规的操作了。

docker run ：创建一个新的容器并运行一个命令

语法
docker run [OPTIONS] IMAGE [COMMAND] [ARG...]
OPTIONS说明：

-a stdin: 指定标准输入输出内容类型，可选 STDIN/STDOUT/STDERR 三项；

-d: 后台运行容器，并返回容器ID；

-i: 以交互模式运行容器，通常与 -t 同时使用；

-P: 随机端口映射，容器内部端口随机映射到主机的端口

-p: 指定端口映射，格式为：主机(宿主)端口:容器端口

-t: 为容器重新分配一个伪输入终端，通常与 -i 同时使用；

--name="nginx-lb": 为容器指定一个名称；

--dns 8.8.8.8: 指定容器使用的DNS服务器，默认和宿主一致；

--dns-search example.com: 指定容器DNS搜索域名，默认和宿主一致；

-h "mars": 指定容器的hostname；

-e username="ritchie": 设置环境变量；

--env-file=[]: 从指定文件读入环境变量；

--cpuset="0-2" or --cpuset="0,1,2": 绑定容器到指定CPU运行；

-m :设置容器使用内存最大值；

--net="bridge": 指定容器的网络连接类型，支持 bridge/host/none/container: 四种类型；

--link=[]: 添加链接到另一个容器；

--expose=[]: 开放一个端口或一组端口；

--volume , -v: 绑定一个卷

实例
使用docker镜像nginx:latest以后台模式启动一个容器,并将容器命名为mynginx。

docker run --name mynginx -d nginx:latest
使用镜像nginx:latest以后台模式启动一个容器,并将容器的80端口映射到主机随机端口。

docker run -P -d nginx:latest
使用镜像 nginx:latest，以后台模式启动一个容器,将容器的 80 端口映射到主机的 80 端口,主机的目录 /data 映射到容器的 /data。

docker run -p 80:80 -v /data:/data -d nginx:latest
绑定容器的 8080 端口，并将其映射到本地主机 127.0.0.1 的 80 端口上。

$ docker run -p 127.0.0.1:80:8080/tcp ubuntu bash
使用镜像nginx:latest以交互模式启动一个容器,在容器内执行/bin/bash命令。

runoob@runoob:~$ docker run -it nginx:latest /bin/bash
root@b8573233d675:/# 

0 在linux服务器的某个位置新建一个文件夹、把本地要部署的文件压缩成zip文件，然后上传到服务器文件夹，解压缩后进入文件，开始创建docker镜像，会自动识别文件夹的dockerfile文件

1指令；查看Docker版本信息，确认是否成功安装Docker。
docker --version

2：创建镜像：执行命令：ml_work_img 为创建的镜像名称，. 表示当前目录（ml_work）
一个docker就是一个代码执行的独有环境而已！容器是镜像的实例化！所以创建容器的时候，就在Dockfile把所需的镜像，环境包，执行的脚本都一次性提前定义好。

docker build -t work-order-consolidation-disposal-qa .

3 查看镜像是否创建成功：执行命令：
docker images

3_1改名字：
docker tag 07a733100a93 quadtalent-docker.pkg.coding.net/smart-city/city-wise/work-order-consolidation-disposal-qa:1.0.0

3_2删除原来标签的镜像
docker rmi quadtalent-docker.pkg.coding.net/smart-city/city-wise/work-order-consolidation-disposal-dev:1.0.0
docker rmi work-order-consolidation-disposal-qa:latest

4 启动该容器查看Python能否正常运行，执行如下命令：
19 使用docker镜像nginx:latest以后台模式启动一个容器,并将容器命名为work-order-consolidation-disposal-qa。

docker run -it --name work-order-consolidation-disposal-qa -p 9534:5000 -d quadtalent-docker.pkg.coding.net/smart-city/city-wise/work-order-consolidation-disposal-qa:1.0.0

docker run -it -p 9534:9534 work-order-consolidation-disposal-qa
docker run -it ml_work_img

5 查看所对应的容器
docker images ps -a

6 进入容器，安装缺少的python包
docker exec -it 7836c3ba9c57 /bin/bash

7 ：运行镜像，生成并启动容器
执行命令：docker run -it -p 5000:5000 --name ml_work ml_work_img
-it：表示交互式终端的容器，非启动后立刻结束的容器
-p 9060:9060：表示将docker的5000端口，映射到Linux虚拟机的5000端口 也就是说，访问Linux虚拟机的5000端口，就是在访问docker容器的5000端口
–name ml_work：给容器取个名字，嫌麻烦可以省去
ml_work_img：容器是用哪个镜像启动的（一个容器，必须依赖一个镜像启动）

8:退出容器
ctrl+d 退出容器且关闭, docker ps 查看无
ctrl+p+q 退出容器但不关闭

9、查看后台启动的python程序：以及程序使用的内存情况
 ps aux |grep python
9_1、可以只这样启动api ：nohup python api.py >> /home/kuake/ml_work/logs/output.log 2>&1 &
10、关掉api：    kill -9 223323