Docker
开源容器化平台，将应用及其依赖打包为轻量级容器，实现环境隔离和一致部署。
简介
Docker 是目前最主流的容器化工具，它把应用代码、运行时、系统库、配置文件打包成一个标准化的单元（容器），在任何支持 Docker 的机器上都能以完全相同的方式运行。
与虚拟机相比，Docker 容器共享宿主机内核，启动速度快（秒级）、资源占用低（MB 级）、易于分发。这使得它特别适合 ML/AI 项目的部署——复杂的依赖链（如 Pix2Text 的 ONNX Runtime + PaddleOCR + transformers）可以在容器内隔离，不会污染宿主系统。
Docker Desktop 是面向开发者的主要使用方式，支持 Windows（WSL2）、macOS 和 Linux。在 Windows 上，Docker Desktop 通过 WSL2 运行 Linux 容器，配置机制与原生 Linux 有差异（如镜像源必须在 GUI 中修改而非编辑 daemon.json）。
关键信息
- 类型：工具（开源容器化平台）
- 领域：DevOps · 部署运维 · ML 工程
- 官方网站/地址：https://www.docker.com
- 定价/开源状态：Docker Engine 开源免费；Docker Desktop 个人免费，企业需付费
- 相关概念：容器、镜像、Dockerfile、Docker Compose、Kubernetes
核心特性
容器化能力
- 环境隔离：每个容器独立运行，依赖互不干扰
- 一致部署：开发、测试、生产环境完全一致，“在我机器上能跑”不再是借口
- 轻量级：共享宿主机内核，秒级启动，MB 级占用
- 镜像分层：Dockerfile 每条指令生成一层，构建缓存加速重复构建
ML/AI 场景的价值
- 依赖隔离：ML 项目依赖链复杂（ONNX Runtime、PyTorch、PaddleOCR 等），容器化避免污染系统
- 可复现性：镜像固定版本，确保实验结果可复现
- 快速部署：
docker run即开即用，不需要安装配置 - 资源控制：可限制 CPU/内存使用，避免 ML 推理占满系统资源
Docker Desktop（Windows/macOS）
- 通过 WSL2 运行 Linux 容器（Windows）
- 配置通过 GUI 管理，非原生 Linux 的 daemon.json 方式
- Settings → Docker Engine 编辑 JSON 配置（如镜像源）
--network=host让构建过程共享宿主机网络
常用命令
# 构建镜像
docker build -t name:tag .
# 运行容器
docker run --rm image_name command
# 后台运行
docker run -d --name container_name image_name sleep 3600
# 在运行中的容器内执行命令
docker exec container_name command
# 将容器保存为新镜像
docker commit container_name new_image:tag
# 清理
docker rm -f container_name安装方式
- Windows/macOS：下载 Docker Desktop（https://www.docker.com/products/docker-desktop）
- Linux：
sudo apt install docker.io或按官方文档安装 Docker Engine
适用场景
- 应该用 Docker：ML 项目部署、依赖复杂的工具隔离、微服务架构、CI/CD 流水线
- 不需要 Docker：简单的 Python 脚本、单文件工具、不需要环境隔离的场景
不同素材中的观点
- 2026-06-13-pix2text-docker-ocr-markdown：这篇素材认为 Docker 是 ML 依赖地狱的最优解。Pix2Text 依赖链很长（ONNX Runtime、PaddleOCR、transformers 等），直接装在系统里容易污染环境，用 Docker 隔离是最干净的方案。文章特别指出在国内网络环境下需要配置镜像源，且 Docker Desktop 的配置必须在 GUI 中修改，WSL 里改 daemon.json 不生效。
实用信息
快速上手步骤
- 安装 Docker Desktop（Windows/macOS）或 Docker Engine（Linux）
- 编写 Dockerfile 定义应用环境
docker build -t name:tag .构建镜像docker run --rm name:tag运行容器
注意事项/避坑指南
- 国内镜像源：Docker Hub 在国内拉镜像经常超时，需配置
registry-mirrors - Docker Desktop 配置机制：Windows 上必须在 GUI 中修改配置，编辑
~/.docker/daemon.json不生效 --network=host：构建时共享宿主机网络，避免容器内网络不通- “容器内补装 + commit”：ML 项目依赖复杂时，先构建基础镜像，再在运行中的容器里逐个补装缺失包，最后 commit 为新镜像