服务器系统安装

返回-首页

一. 服务器操作系统规划

1. 操作系统空间规划

项目	内容
操作系统版本	Centos x64 7
内存	16G
主机名HOSTNAME	docker.example.local

系统分区规划

用途	卷组名称	磁盘|卷	挂载点	空间大小
启动分区		/dev/sda1	/boot	500M
系统卷组	/dev/centosvg	lvroot	/	10G
		lvtmp	/tmp	4G
		lvvar	/var	5G
		lvusr	/usr	6G
		lvswap	swap	2G
Docker卷组	/dev/dockvg	lvdock	/var/lib/docker	50G

2. 操作系统安装和配置

按照操作系统的空间规划安装Centos 7操作系统，配置相关服务。

• 关闭selinux

修改vi /etc/selinux/config文件:

	SELINUX=disabled
	:wq

setenforce 0

• 配置本地yum源

    mkdir -p /media/dvd
    mount /dev/sr0 /media/dvd
  cd /etc/yum.respo.d/
  vi local.repo
      [dvd]
      name=dvd
      baseurl=file:///media/dvd
      enabled=1
      gpgcheck=0
  :wq
  

二. Docker容器环境安装

1. 安装必要系统工具

yum install -y yum-utils device-mapper-persistent-data lvm2

2. 添加阿里yum源

yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

更新 yum 缓存：

yum makecache fast

3. 安装Docker_ce:

yum -y install docker-ce

4. docker加速

 vi /etc/docker/daemon.json 
{
  "registry-mirrors": ["http://hub-mirror.c.163.com"]
}

5. 启动docker服务

systemctl enable docker
systemctl start docker

6. 测试docker可用

docker run hello-world

7. 启用GPU支持

安装nvidia-docker

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo |tee /etc/yum.repos.d/nvidia-docker.repo
yum install -y nvidia-container-toolkit
systemctl restart docker

三. Portainer可视化管理

1. 添加数据卷

docker volume create portainer_data

2. 下载并启动portaner

docker run -d -p 9000:9000 -v /var/run/docker.sock:/var/run/docker.sock -v portainer_data:/data portainer/portainer

3. 通过网页连接测试

打开浏览器连接http://dockerIP:9000/

按照要求创建用户

进入控制台dashboard:

四. Tensorflow Docker安装

1. 下载镜像

docker pull tensorflow/tensorflow                     # latest stable release
docker pull tensorflow/tensorflow:devel-gpu           # nightly dev release w/ GPU support
docker pull tensorflow/tensorflow:latest-gpu-jupyter  # latest release w/ GPU support and Jupyter

2. 测试TensorFlow安装成功

docker run -it --rm tensorflow/tensorflow \
python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"

详细用法参考:官方文档