Docker镜像导出/导入

Docker镜像导出/导入

一、前言

在实际操作中,为了便于docker镜像环境和服务配置的迁移,我们有时需要将已在测试环境主机上完成一系列配置的docker镜像或运行中的容器镜像导出,并传输到生产或其他目标环境主机上运行。为此,本文主要聚焦于如何实现docker镜像的导出和导入操作。

二、镜像导出/导入

docker镜像的导出/导入,可以用2种方进行操作,但需要注意的是这2种方法不可以混用,以免造成启动容器时失败,下面会以2种不同方进行导出/导入。

2.1、方法一(利用仓库镜像导出/导入)

该方法是通过仓库中的镜像进行导出/导入,也是比较推荐的方法,操作如下:

2.1.1、导出

首先要先确认要导出仓库中的哪些镜像之后再进行导出,如下图查看docker仓库中所有镜像:

图中标红的部分就是要导出的镜像。

可利用docker sava命令进行镜像导出,如下:

(base) [root@milvus ~]# docker save -o quay_io_coreos_etcd.tar quay.io/coreos/etcd

quay_io_coreos_etcd.tar:代表导出镜像后的压缩名字,可以任意命名。

-o:指定输出文件名,可以任意命名。

quay.io/coreos/etcd:代表仓库中要导出的镜像名称。按仓库中实际名字为主。

2.1.2、导入

把2.1.1小节中导出的镜像tar包,利用ftp、sftp或是scp命令传到生产或其他目标环境主机上,执行docker load命令进行导入。如下:

传包到生产或其他目标环境主机上:

(base) [root@milvus ~]# scp quay_io_coreos_etcd.tar root@192.168.20.4:/app/docker

生产或其他目标环境主机上导入:

[root@Bert docker]# docker load < quay_io_coreos_etcd.tar

导入过程或导入成功,如下图所示:

利用docker images查看仓库中的镜像,如下图所示:

[root@Bert docker ]#docker images

依次类推把剩下的镜像按照2.1.1和2.1.2小节的方法重复执行即可。

导入完成的所有镜像,如下图所示:

2.2、方法二(利用容器中镜像导出/导入)

此方法是通过容器中镜像的ID进行导出的。

2.2.1、导出

利用docker ps -a命令查看要导出的镜像。

(base) [root@milvus ~]#docker ps -a

图中标红的部分就是要导出的镜像。

使用docker export命令进行镜像导出。

(base) [root@milvus ~]# docker export e45e6f82fc7f > milvus-etcd.tar

e45e6f82fc7f:代表的是镜像在容器中的ID,根据实际情况进行选择。

milvus-etcd.tar:代表导出镜像后的压缩名字,可以任意命名。

2.2.2、导入

把2.2.1小节中导出的镜像tar包,利用ftp、sftp或是scp命令传到生产或其他目标环境主机上,利用docker export命令导出的镜像可以使用2种方法进行导入。

2.2.2.1、导入方法一

执行docker import命令进行导入

传包到生产或其他目标环境主机上:

(base) [root@milvus ~]# scp milvus-etcd.tar root@192.168.20.4:/app/docker

生产或其他目标环境主机上导入:

[root@Bert docker]# docker import milvus-etcd.tar

导入过程或导入成功,如下所示:

[root@Bert docker]# docker import milvus-etcd.tar

sha256:16313b41937f899ccfcd03c87307e82fa336d876263f6f75b4384c8191c30341

利用docker images查看仓库中的镜像,如下图所示:

[root@Bert docker ]#docker images

利用docker import命令导入的镜像,镜像在仓中是没有镜像名称和标签的,可以使用docker tag命令进行修改。

[root@Bert docker]# docker tag 6de761d89694 quay.io/coreos/etcd:v3.5.5

6de761d89694:代表仓库中镜像的ID,根据实际情况进行选择。

quay.io/coreos/etcd:v3.5.5:代表仓库中镜像名称和标签。其中“:”前代表镜像名称,“:”后代表镜像标签,名称和标签可以任意命令,但个人建议名称和标签尽量和原镜像保持一致,以保证镜你的统一,如果做了某些修改,为了和原镜像名称进行区分,可以根据自己的实际情况进行命名。

查看命名后结果。

[root@Bert docker]#docker images

2.2.2.2、导入方法二

利用cat image.tar|docker import – image_name:tag命令进行导入。

image.tar:代表2.2.1小节导入的镜像压缩包名称,根据实际导入的包进行选择。

image_name:tag:代表导入镜像时,对镜像的命名和镜像标签,其中“:”前代表镜像名称,“:”后代表镜像标签,名称和标签可以任意命令,但个人建议名称和标签尽量和原镜像保持一致,以保证镜你的统一,如果做了某些修改,为了和原镜像名称进行区分,可以根据自己的实际情况进行命名。

如下操作:

[root@Bert docker]# cat milvus-etcd.tar | docker import  - quay.io/coreos/etcd:v3.5.5

sha256:c861cf7bb555ec93c20e1cf6f01e2104ffff6d1dfd3531fd0634f89c2d12e193

利用docker images查看仓库中的镜像,如下图所示:

[root@Bert docker]#docker images

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/429189.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Python-sklearn-LinearRegression

目录 1 手动实现/使用sklearn实现线性回归训练 1.1 单特征线性回归&#xff08;One Feature&#xff09; 1.2 多特征线性回归&#xff08;Multiple Features&#xff09; 1.3 多项式线性回归&#xff08;Polynomial&#xff09; 1 手动实现/使用sklearn实现线性回归训练 1…

flutter之终极报错

看到这个报错头都大了 一开始在网上各种搜搜&#xff0c;然后有人说是flutter版本的问题&#xff0c;改完版本之后还是不对&#xff0c;又是各种搜搜搜 有人说是环境变量的问题&#xff0c;后来改了环境变量&#xff0c;妈的&#xff0c;竟然还不行&#xff0c;想砸电脑的心都…

深入浅出RPC原理

远程过程调用(Remote Procedure Call&#xff0c;简称RPC)&#xff0c;在微服务大行其道的今天&#xff0c;得到了广泛的应用。因此&#xff0c;在分布式系统服务群中开发应用&#xff0c;了解RPC一些原理和实现架构&#xff0c;还是很有必要的。本文&#xff0c;将从大的框架层…

js字符串转json的3种方法

1.eval方式解析 function strToJson(str){var json eval("(" str ")");return json;}console.log(strToJson("{int:1, string:demo}")); 运行截图&#xff1a; 注&#xff1a; 记得别忘了str两旁的小括号。 永远不要使用 eval !!! eval() 是一…

华容道问题求解第一部分_详细设计(一)之棋子和游戏类_初始化部分

按&#xff1a;因为自控力和能力的原因&#xff0c;这个其实是在和代码同时进行的。 主要 类 说明 这一层是整个项目的基础&#xff0c;将对未来的算法的效率产生重要影响。为了和界面隔离&#xff0c;以及自身逻辑的清晰&#xff0c;下面的两个类是必须的&#xff0c;棋子类…

42、网络编程/多点通信和域套接字通信模型20240304

一、多点通信之广播的收发端实现 1.广播发送端代码&#xff1a; #include<myhead.h>int main(int argc, const char *argv[]) {int sfdsocket(AF_INET,SOCK_DGRAM,0);//创建套接字if(sfd-1){perror("socket,error");return -1;}int broadcast1;//设置套接字广…

[计算机网络]:流量控制

一、流量控制简介 一条TCP连接的每一侧主机都为其设置了接收缓存&#xff0c;当TCP成功连接后&#xff0c;它发送的数据会放入接受缓存中。相关联的进程会从缓存中读取数据。但是存在一个问题&#xff0c;当某应用程序读取数据速率太慢&#xff0c;而发送数据一方不停的发送数…

计算机网络 网络原理之Http

目录 1 前言2 什么是http的一次交互&#xff1f;3 理解“协议”二字4 认识URL4.1 简介4.2 URL的编码和解码(urlencode和urldecode) 5 抓包工具 fiddler6 http和https的区别7 http 头8 HTTP 状态码9 常见的 Http 服务器 1 前言 为什么要了解Http原理呢&#xff1f;因为http原理…

Vue.js中的diff算法:让虚拟DOM更高效

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》 &#x1f35a; 蓝桥云课签约作者、上架课程《Vue.js 和 E…

计算机设计大赛 深度学习疲劳驾驶检测 opencv python

文章目录 0 前言1 课题背景2 实现目标3 当前市面上疲劳驾驶检测的方法4 相关数据集5 基于头部姿态的驾驶疲劳检测5.1 如何确定疲劳状态5.2 算法步骤5.3 打瞌睡判断 6 基于CNN与SVM的疲劳检测方法6.1 网络结构6.2 疲劳图像分类训练6.3 训练结果 7 最后 0 前言 &#x1f525; 优…

排序算法:插入排序

文章目录 插入排序 插入排序 什么叫插入排序&#xff1f; 也就是把数字从前&#xff0c;或者从最后开始比较然后插入到这个数的前面或者后面&#xff0c;从[0,end]区间插入 void InsertSort(int* a,int n) {for (int i 1; i < n; i){int end i-1;int tmp a[i];while (end…

华为配置基于VLAN限速示例

华为配置基于VLAN限速示例 组网图形 图1 流量监管配置组网图 表1 Switch为上行流量提供的QoS保障 流量类型 CIR(kbps) PIR(kbps) DSCP优先级 语音 2000 10000 46 视频 4000 10000 30 数据 4000 10000 14 ^^^ 流分类简介配置注意事项组网需求配置思路操作步…

实名制交友-智能匹配-仿二狗交友系统-TP6+uni-APP小程序H5公众号-源码交付-支持二开!

一、代码风格 通常不同的开发者具备不同的代码风格&#xff0c;但为了保证语音交友系统开发质量&#xff0c;在编码前需要进行代码风格的统一&#xff0c;通过制定一定的规则&#xff0c;约束开发者的行为。具有统一风格的代码才能更清晰、更完整、更容易理解、更方便后期维护…

【CSS】(浮动定位)易忘知识点汇总

浮动特性 加了浮动之后的元素,会具有很多特性,需要我们掌握的. 1、浮动元素会脱离标准流(脱标&#xff1a;浮动的盒子不再保留原先的位置) 2、浮动的元素会一行内显示并且元素顶部对齐 注意&#xff1a; 浮动的元素是互相贴靠在一起的&#xff08;不会有缝隙&#xff09;&…

基于机器学习的密码强度检测

项目简介 利用机器学习对提供的数据集预测用户输入的密码是否为弱密码。 原始数据集只包含关于弱密码的信息&#xff0c;并没有包含强密码的数据或分类器&#xff0c;这意味着模型无法学习到强密码的规律!!! 我之所以这样设计这个示例&#xff0c;其目的是为了向你展示模型的…

python统计分析——单变量数据统计作图

参考资料&#xff1a;python统计分析-托马斯 1、导入库和数据准备 # 导入库 # 用于数值处理的库 import numpy as np import pandas as pd import scipy as sp from scipy import stats # 用于绘图的库 import matplotlib.pyplot as plt import seaborn as sns sns.set()# 数…

安全特性 悬垂指针

英文名称 Dangling point&#xff0c;它还有一个兄弟叫 wild point - 野指针。 简单的对Dangling point做一个类比&#xff1a;我换手机号码了&#xff0c;但是没有通知老板&#xff0c;老板通讯录存的是我的旧号码。然后老板打电话有两种可能&#xff1a;打不通电话或者电话打…

OpenAI划时代大模型——文本生成视频模型Sora作品欣赏(十五)

Sora介绍 Sora是一个能以文本描述生成视频的人工智能模型&#xff0c;由美国人工智能研究机构OpenAI开发。 Sora这一名称源于日文“空”&#xff08;そら sora&#xff09;&#xff0c;即天空之意&#xff0c;以示其无限的创造潜力。其背后的技术是在OpenAI的文本到图像生成模…

优化算法之最速梯度下降法、牛顿法、拟牛顿法(DFP及BFGS)

优化算法之最速梯度下降法、牛顿法、拟牛顿法 一、最速梯度下降法 我们知道常规的梯度下降法迭代法公式如下&#xff1a; θ ( k 1 ) θ ( k ) − η ∇ f ( θ ( k ) ) \theta^{(k1)} \theta^{(k)} - \eta\nabla f(\theta^{(k)}) θ(k1)θ(k)−η∇f(θ(k)) 迭代公式中包…

适配Ollama的前端界面Open WebUI

在前文 本地大模型运行框架Ollama 中&#xff0c;老苏留了个尾巴&#xff0c;限于篇幅只是提了一下 Open WebUI&#xff0c;有网友留言说自己安装没搞定&#xff0c;今天我们来补上 文章传送门&#xff1a;本地大模型运行框架Ollama 什么是 Open WebUI &#xff1f; Open WebUI…