脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → 用IPython操作Docker容器

使用IPython来操作Docker容器的入门指引

 更新时间：2015年04月08日 10:10:15   投稿：goldensun  
这篇文章主要介绍了使用IPython来操作Docker容器的方法,包括一些基本的搭建和连接,主要依靠docker-py模块,需要的朋友可以参考下

现在Docker是地球上最炙手可热的项目之一，就意味着人民实际上不仅仅是因为这个才喜欢它。
话虽如此，我非常喜欢使用容器，服务发现以及所有被创造出的新趣的点子和领域来切换工作作为范例。
这个文章中我会简要介绍使用python中的docker-py模块来操作Docker 容器，这里会使用我喜爱的编程工具IPython。
安装docker-py

首先需要docker-py。注意这里的案例中我将会使用Ubuntu Trusty 14.04版本。

$ pip install docker-py

IPyhton

我真的很喜欢用IPython来探索Python。 它像是一共高级的python Shell，但是可以做的更多。

$ sudo apt-get install ipython
SNIP!
$ ipython
Python 2.7.6 (default, Mar 22 2014, 22:59:56)
Type "copyright", "credits" or "license" for more information.

IPython 1.2.1 -- An enhanced Interactive Python.
?     -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help   -> Python's own help system.
object?  -> Details about 'object', use 'object??' for extra details.

In [1]:

安装 docker

如果没有安装Docker，那首先安装docker

$ sudo apt-get install docker.io

然后把 docker.io 起个别名 docker

$ alias docker='docker.io'
$ docker version
Client version: 0.9.1
Go version (client): go1.2.1
Git commit (client): 3600720
Server version: 0.9.1
Git commit (server): 3600720
Go version (server): go1.2.1
Last stable version: 0.11.1, please update docker

Docker现在应该有个socket开启，我们可以用来连接。

$ ls /var/run/docker.sock
/var/run/docker.sock

Pull 镜像

让我们下载 busybox镜像

$ docker pull busybox
Pulling repository busybox
71e18d715071: Download complete
98b9fdab1cb6: Download complete
1277aa3f93b3: Download complete
6e0a2595b580: Download complete
511136ea3c5a: Download complete
b6c0d171b362: Download complete
8464f9ac64e8: Download complete
9798716626f6: Download complete
fc1343e2fca0: Download complete
f3c823ac7aa6: Download complete

现在我们准备使用 docker-py 了。

使用 docker-py

现在我们有了docker-py , IPython, Docker 和 busybox 镜像，我们就能建立一些容器。
如果你不是很熟悉IPython，可以参照这个教程学习（http://ipython.org/ipython-doc/stable/interactive/tutorial.html），
IPython是十分强大的。

首先启动一个IPython ，导入docker模块。

$ ipython
Python 2.7.6 (default, Mar 22 2014, 22:59:56)
Type "copyright", "credits" or "license" for more information.

IPython 1.2.1 -- An enhanced Interactive Python.
?     -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help   -> Python's own help system.
object?  -> Details about 'object', use 'object??' for extra details.

In [1]: import docker

然后我们建立一个连接到Docker

In [2]: c = docker.Client(base_url='unix://var/run/docker.sock',
  ...:          version='1.9',
  ...:          timeout=10)

现在我们已经连接到Docker。

IPython使用tab键来补全的。 如果 输入 “c.” 然后按下tab键，IPython会显示Docker连接对象所有的方法和属性。

In [3]: c.
c.adapters           c.headers            c.pull
c.attach            c.history            c.push
c.attach_socket         c.hooks             c.put
c.auth             c.images            c.remove_container
c.base_url           c.import_image         c.remove_image
c.build             c.info             c.request
c.cert             c.insert            c.resolve_redirects
c.close             c.inspect_container       c.restart
c.commit            c.inspect_image         c.search
c.containers          c.kill             c.send
c.cookies            c.login             c.start
c.copy             c.logs             c.stop
c.create_container       c.max_redirects         c.stream
c.create_container_from_config c.mount             c.tag
c.delete            c.options            c.top
c.diff             c.params            c.trust_env
c.events            c.patch             c.verify
c.export            c.port             c.version
c.get              c.post             c.wait
c.get_adapter          c.prepare_request
c.head             c.proxies

让我们来看下c.images 我输入一个 “?”在c.之后，ipython 会提供这个对象的详细信息。

In [5]: c.images?
Type:    instancemethod
String Form:<bound method Client.images of <docker.client.Client object at 0x7f3acc731790>>
File:    /usr/local/lib/python2.7/dist-packages/docker/client.py
Definition: c.images(self, name=None, quiet=False, all=False, viz=False)
Docstring: <no docstring>

获取busybox 镜像。

In [6]: c.images(name="busybox")
Out[6]:
[{u'Created': 1401402591,
 u'Id': u'71e18d715071d6ba89a041d1e696b3d201e82a7525fbd35e2763b8e066a3e4de',
 u'ParentId': u'8464f9ac64e87252a91be3fbb99cee20cda3188de5365bec7975881f389be343',
 u'RepoTags': [u'busybox:buildroot-2013.08.1'],
 u'Size': 0,
 u'VirtualSize': 2489301},
 {u'Created': 1401402590,
 u'Id': u'1277aa3f93b3da774690bc4f0d8bf257ff372e23310b4a5d3803c180c0d64cd5',
 u'ParentId': u'f3c823ac7aa6ef78d83f19167d5e2592d2c7f208058bc70bf5629d4bb4ab996c',
 u'RepoTags': [u'busybox:ubuntu-14.04'],
 u'Size': 0,
 u'VirtualSize': 5609404},
 {u'Created': 1401402589,
 u'Id': u'6e0a2595b5807b4f8c109f3c6c5c3d59c9873a5650b51a4480b61428427ab5d8',
 u'ParentId': u'fc1343e2fca04a455f803ba66d1865739e0243aca6c9d5fd55f4f73f1e28456e',
 u'RepoTags': [u'busybox:ubuntu-12.04'],
 u'Size': 0,
 u'VirtualSize': 5454693},
 {u'Created': 1401402587,
 u'Id': u'98b9fdab1cb6e25411eea5c44241561326c336d3e0efae86e0239a1fe56fbfd4',
 u'ParentId': u'9798716626f6ae4e6b7f28451c0a1a603dc534fe5d9dd3900150114f89386216',
 u'RepoTags': [u'busybox:buildroot-2014.02', u'busybox:latest'],
 u'Size': 0,
 u'VirtualSize': 2433303}]

建立一个容器。 注意我添加一个可以将要运行的命令，这里用的是”env”命令。

In [8]: c.create_container(image="busybox", command="env")
Out[8]:
{u'Id': u'584459a09e6d4180757cb5c10ac354ca46a32bf8e122fa3fb71566108f330c87',
 u'Warnings': None}

使用ID来启动这个容器

In [9]: c.start(container="584459a09e6d4180757cb5c10ac354ca46a32bf8e122fa3fb71566108f330c87")

我们可以检查日志，应该可以看到当容器创建的时候 ，我们配置的”env”命令的输出。

In [11]: c.logs(container="584459a09e6d4180757cb5c10ac354ca46a32bf8e122fa3fb71566108f330c87")
Out[11]: 'HOME=/\nPATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin\nHOSTNAME=584459a09e6d\n'

如果使用docker命令行，使用同样的命令行选项运行一个容器，应该可以看到类似的信息。

$ docker run busybox env
HOME=/
PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin
HOSTNAME=ce3ad38a52bf

据我所知，docker-py没有运行选项，我们只能创建一个容器然后启动它。

以下是一个案例：

In [17]: busybox = c.create_container(image="busybox", command="echo hi")

In [18]: busybox?
Type:    dict
String Form:{u'Id': u'34ede853ee0e95887ea333523d559efae7dcbe6ae7147aa971c544133a72e254', u'Warnings': None}
Length:   2
Docstring:
dict() -> new empty dictionary
dict(mapping) -> new dictionary initialized from a mapping object's
  (key, value) pairs
dict(iterable) -> new dictionary initialized as if via:
  d = {}
  for k, v in iterable:
    d[k] = v
dict(**kwargs) -> new dictionary initialized with the name=value pairs
  in the keyword argument list. For example: dict(one=1, two=2)

In [19]: c.start(busybox.get("Id"))

In [20]: c.logs(busybox.get("Id"))
Out[20]: 'hi\n'

如果你还没有使用过busybox镜像，我建议你使用下。我也建议debain下的jessie镜像，它只有120MB，比Ubuntu镜像要小。

总结

Docker是一个吸引人的新系统，可以用来建立有趣的新技术应用，特别是云服务相关的。使用IPython我们探索了怎么使用
docker-py模块来创建docker 容器。 现在使用python，我们可以结合docker和容易 创造出很多新的点子。

您可能感兴趣的文章:

相关文章

  • 利用Pytorch实现ResNet网络构建及模型训练

    利用Pytorch实现ResNet网络构建及模型训练

    这篇文章主要为大家介绍了利用Pytorch实现ResNet网络构建及模型训练详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2023-04-04
  • 浅谈Python3 numpy.ptp()最大值与最小值的差

    浅谈Python3 numpy.ptp()最大值与最小值的差

    今天小编就为大家分享一篇浅谈Python3 numpy.ptp()最大值与最小值的差，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • python实现csv格式文件转为asc格式文件的方法

    python实现csv格式文件转为asc格式文件的方法

    下面小编就为大家分享一篇python实现csv格式文件转为asc格式文件的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-03-03
  • Sanic框架应用部署方法详解

    Sanic框架应用部署方法详解

    这篇文章主要介绍了Sanic框架应用部署方法,结合实例形式分析了Sanic框架应用部署的具体流程、相关命令与使用技巧,并附带说明了Gunicorn的配置方法,需要的朋友可以参考下
    2018-07-07
  • Python详细讲解浅拷贝与深拷贝的使用

    Python详细讲解浅拷贝与深拷贝的使用

    这篇文章主要介绍了Python中的深拷贝和浅拷贝，通过讲解Python中的浅拷贝和深拷贝的概念和背后的原理展开全文，需要的小伙伴可以参考一下
    2022-07-07
  • Apache,wsgi,django 程序部署配置方法详解

    Apache,wsgi,django 程序部署配置方法详解

    这篇文章主要介绍了Apache,wsgi,django 程序部署配置方法,结合实例形式详细分析了Linux环境下Apache,wsgi,django程序部署配置的相关操作技巧与注意事项,需要的朋友可以参考下
    2019-07-07
  • Python异步爬取知乎热榜实例分享

    Python异步爬取知乎热榜实例分享

    这篇文章主要介绍了Python异步爬取知乎热榜实例分享，文章围绕Python异步爬取是我相关资料展开对知乎热榜爬取的相关内容，需要的小伙伴卡哇伊参考一下
    2022-04-04
  • 在Django中编写模版节点及注册标签的方法

    在Django中编写模版节点及注册标签的方法

    这篇文章主要介绍了在Django中编写模版节点及注册标签的方法,Django是Python各式各样的高人气框架中最为著名的一个,需要的朋友可以参考下
    2015-07-07
  • Python中函数eval和ast.literal_eval的区别详解

    Python中函数eval和ast.literal_eval的区别详解

    eval函数在Python中做数据类型的转换还是很有用的。它的作用就是把数据还原成它本身或者是能够转化成的数据类型。那么eval和ast.literal_val()的区别是什么呢？本文将大家介绍关于Python中函数eval和ast.literal_eval区别的相关资料，需要的朋友可以参考下。
    2017-08-08
  • pandas combine_first函数处理两个数据集重叠和缺失

    pandas combine_first函数处理两个数据集重叠和缺失

    combine_first是pandas中的一个函数,它可以将两个DataFrame对象按照索引进行合并,用一个对象中的非空值填充另一个对象中的空值,这个函数非常适合处理两个数据集有部分重叠和缺失的情况,可以实现数据的补全和更新,本文介绍combine_first函数的语法及一些案例应用
    2024-01-01

最新评论