docker run';s装载选项(类型、源、目标)?
参数docker run';s装载选项(类型、源、目标)?,docker,Docker,参数--mount、type、source、target和symbol&在docker中是什么意思或起什么作用 我已经运行了命令docker--help和docker run--help,但仍然与上面的命令相混淆。我建议您阅读以了解--mount选项和type=bind参数 在您的示例中,mount选项只在主机($(pwd)/models/mnist)和容器(路径/models/mnist)之间共享一个本地目录。这意味着主机上$(pwd)/models/mnist中的所有文件都可以从/model
--mount
、type
、source
、target
和symbol&
在docker中是什么意思或起什么作用
我已经运行了命令docker--help
和docker run--help
,但仍然与上面的命令相混淆。我建议您阅读以了解--mount
选项和type=bind
参数
在您的示例中,mount
选项只在主机($(pwd)/models/mnist
)和容器(路径/models/mnist
)之间共享一个本地目录。这意味着主机上$(pwd)/models/mnist
中的所有文件都可以从/models/mnist
中的容器中获得
&
与Docker无关,只是。您可以使用docker的-d
(守护进程)选项来获得相同的行为。我建议您阅读--mount
选项和type=bind
参数
在您的示例中,mount
选项只在主机($(pwd)/models/mnist
)和容器(路径/models/mnist
)之间共享一个本地目录。这意味着主机上$(pwd)/models/mnist
中的所有文件都可以从/models/mnist
中的容器中获得
&
与Docker无关,只是。您可以使用docker的-d
(守护进程)选项来获得相同的行为。对于docker,安装到容器中的最常见的存储类型有以下三种(取自):
卷存储在主机文件系统的一部分,该文件系统由Docker管理(/var/lib/Docker/Volumes/
在Linux上)。非Docker进程不应修改文件系统的这一部分。卷是在Docker中保存数据的最佳方式
绑定装载可以存储在主机系统的任何位置。它们甚至可能是重要的系统文件或目录。Docker主机或Docker容器上的非Docker进程可以随时修改它们
tmpfs挂载仅存储在主机系统的内存中,从不写入主机系统的文件系统
因此,使用--mount
可以非常方便地为这些存储类型设置相关选项:type
字段可以是上述三种类型之一源
是主机文件系统中的装载点位置
(对于命名卷,这是卷的名称;对于匿名卷,此字段被省略)。目标
是容器内的装载点位置
请注意,您将在
docker run
中看到许多使用-v
或-volume
标志的示例。这是Docker17.06
之前的官方方式
(IMHO,使用--mount
选项,它可以为您节省一些调试时间,例如,如果您试图挂载一个不存在的目录,它将抛出一个错误,而不是创建它的--volume
)
&
符号与Docker无关,它只是用于在后台作为守护进程运行您的命令。对于Docker,安装到容器中的最常见的存储类型有以下三种(取自):
卷存储在主机文件系统的一部分,该文件系统由Docker管理(/var/lib/Docker/Volumes/
在Linux上)。非Docker进程不应修改文件系统的这一部分。卷是在Docker中保存数据的最佳方式
绑定装载可以存储在主机系统的任何位置。它们甚至可能是重要的系统文件或目录。Docker主机或Docker容器上的非Docker进程可以随时修改它们
tmpfs挂载仅存储在主机系统的内存中,从不写入主机系统的文件系统
因此,使用--mount
可以非常方便地为这些存储类型设置相关选项:type
字段可以是上述三种类型之一源
是主机文件系统中的装载点位置
(对于命名卷,这是卷的名称;对于匿名卷,此字段被省略)。目标
是容器内的装载点位置
请注意,您将在
docker run
中看到许多使用-v
或-volume
标志的示例。这是Docker17.06
之前的官方方式
(IMHO,使用--mount
选项,它可以为您节省一些调试时间,例如,如果您试图挂载一个不存在的目录,它将抛出一个错误,而不是创建它的--volume
)
&
符号与Docker无关,它只是用于在后台作为守护进程运行您的命令。感谢您的帮助。我在这些网站上发现了很多东西。谢谢你的帮助。我在这些网站上发现了很多东西。
docker run -p 8500:8500 \
--mount type=bind,source=$(pwd)/models/mnist,target=/models/mnist \
-e MODEL_NAME=mnist \
-t tensorflow/serving &