Workflow 用于科学计算的Docker工作流

我试图想象一个可以应用于科学工作环境的工作流。我的工作包括做一些科学编码，基本上是用Python、pandas、numpy和friends。有时我不得不使用一些在科学界不是通用标准的模块，有时我不得不在我的模拟链中集成一些编译代码。我运行的代码大部分时间与IPython笔记本并行

我觉得docker有什么有趣的地方

事实上，我可以创建一个包含我的代码及其工作环境的docker。然后，我可以将docker发送到我的大学，而不要求他们更改工作环境，例如，安装过时的模块版本，以便他们可以运行我的代码

我心目中的工作流程大致如下：

在本地开发，直到我有了一个想要与他人共享的版本

构建一个docker，可能有一个git回购的钩子

分享码头工人

---

有谁能给我一些建议，我应该考虑什么来进一步发展这个工作流程？我很感兴趣的一点是：在docker上运行的代码可以在机器的几个核心上运行并行进程？e、 例如，连接到集群的IPython笔记本。

Docker可以在多个核心上启动多个进程/线程。多个流程可能需要使用主管（请参阅：）

您可能应该构建一个包含您经常使用的内容的图像，并将其用作所有项目的基础。（这样你就不用每次都写一个完整的Dockerfile了）

为什么不直接在容器中开发并使用commit命令将进度保存在本地docker注册表上？然后将最终图像分享给同事

---

如何创建本地注册表：

即使您有一个完整的容器，我认为像conda这样的包管理器仍然可以成为您工作流程基础映像的坚实部分

FROM ubuntu:14.04
RUN apt-get update && apt-get install curl -y

# Install miniconda
RUN curl -LO http://repo.continuum.io/miniconda/Miniconda-latest-Linux-x86_64.sh
RUN bash Miniconda-latest-Linux-x86_64.sh -p /miniconda -b
RUN rm Miniconda-latest-Linux-x86_64.sh
ENV PATH=/miniconda/bin:${PATH}
RUN conda update -y conda

*从

在Dockerfile中执行

源代码激活

，您需要：

RUN /bin/bash -c "source activate <env> && <do something in the env>"

RUN/bin/bash-c“源代码激活&”