Learn to build my First Docker

2026/3/19

前情提要：因为wwxq需要一个VLN/VLA的验证环境，所以抓了我这个嗨奴去看CVPR25 UniGoal这篇文章。要对齐qy本地的环境和wwxq的环境，那就只能用docker的形式了。虽然我本人对这个活很瞧不上（这个论文的环境不可能支撑得起公司那边的需求），但是因为自己从来没有搞过这种事（打docker），也算比较感兴趣，所以姑且看看该怎么搞，把这个过程固化下来。

基础命令

构建Dockerfile

在Dockerfile文件同级路径下执行以下命令：
```
  docker build -t my-cuda-env .
```
- -t my-cuda-env：给镜像起名字，可以加个:tag来标识不同的版本；
- .：当前目录（包含 Dockerfile）

运行docker

通过以下命令来运行docker：
```
  docker run --gpus all -it --rm my-cuda-env
```
- --gpus all：使用 GPU（关键！）
- -it：交互模式
- --rm：退出自动删除容器
- my-cuda-env：刚 build 的镜像

开始搭建

Step 0 - 101 Notes

docker是可以增量更新的！docker具有缓存机制，可以渐进式build。原则是，如果前面的层不变，后面的层改动时，前面的层会直接复用缓存。如果前面的层没变，就直接用缓存，从哪一层发生变化，就从那一行开始重新build。所以有以下推荐原则：
1. 把重的、稳定的步骤放前面，比如FROM、apt-get install系统依赖、安装 Python / conda、安装torch；
2. 把经常改的步骤放后面；
3. 拆分RUN，让调试更细；
4. 给不同阶段打tag，比如系统基础层可以起名-t sxs_test:base，下一阶段可以起别名叫-t sxs_test:py等。
5. 可以备份多份Dockerfile文件，比如Dockerfile.min、Dockerfile.apt等。
因为Docker里每个RUN是独立shell，前一行的activate不会传到下一行，所以不要这么写：
```
  RUN conda activate unigoal
  RUN pip install ...
```
- 而是应该这么写：
```
  RUN conda run -n unigoal pip install -e third_party/habitat-lab
```

为了解决docker在build的时候无法访问github的问题，可以将clone和install拆开！在宿主机写一个bash.sh文件，里面负责下载和clone，而Dockerfile只负责从宿主机拷贝东西和安装：

  #!/usr/bin/env bash
  set -e

  [ -f Miniforge3-Linux-x86_64.sh ] || \
  wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh

  [ -d UniGoal ] || \
  git clone https://github.com/bagh2178/UniGoal.git

  docker build -t unigoal:ver0 .
  

Step 1 - 创建一个Minimal docker

在本地新建一个名称为Dockerfile的文件，在里面填入以下内容：
```
  FROM nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04

  CMD ["/bin/bash"]
```
其中，
- FROM nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04是直接拿一个已经装好 CUDA 的 Ubuntu 系统；
- CMD ["/bin/bash"]启动容器时默认进入 bash，否则容器会启动就退出（因为没有前台进程）。

因为我在反复迭代这个docker，每一次都重新pull基础镜像太慢了，所以有以下两条备选路径：

先提前pull一版基础镜像：
```
  docker pull nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04
```
- 拉完之后，在本地执行docker images应该可以看到这个docker；

镜像换源：

在本地新建一个/etc/docker/daemon.json文件，并在里面填入以下内容：

  {
      bip: 192.168.50.1/24,
      experimental: true,
      registry-mirrors: [
          https://docker.1ms.run,
          https://hub.rat.dev,
          https://docker.1panel.live
      ],
      runtimes: {
          nvidia: {
              args: [],
              path: nvidia-container-runtime
              }
          },
      exec-opts: [native.cgroupdriver=cgroupfs],
      default-runtime: nvidia
  }
  

接下来重启docker：

  sudo systemctl daemon-reload
  sudo systemctl restart docker
  

Step 2 - 进行一些基础设置

在Dockerfile里追加这些内容，注意，要在CMD ["/bin/bash"]之前（这个是最后的一行内容）：
```
  ENV DEBIAN_FRONTEND=noninteractive
  WORKDIR /workspace
```
- 其中，ENV DEBIAN_FRONTEND=noninteractive的作用是让apt安装软件时不要弹交互界面（不问你问题），因为Docker build是无人值守的，如果某个包弹交互，build会卡住 / 失败。
- WORKDIR /workspace的作用是设置默认工作目录（类似cd）

接着继续追加以下内容，它的作用是在容器里先换apt源，再安装一批系统级依赖：

  RUN sed -i 's@http://archive.ubuntu.com/ubuntu/@https://mirrors.tuna.tsinghua.edu.cn/ubuntu/@g' /etc/apt/sources.list \
      && sed -i 's@http://security.ubuntu.com/ubuntu/@https://mirrors.tuna.tsinghua.edu.cn/ubuntu/@g' /etc/apt/sources.list \
      && apt-get update \
      && apt-get install -y \
      git wget curl ca-certificates build-essential \
      libglib2.0-0 libsm6 libxext6 libxrender1 libgl1 \
      ffmpeg ninja-build \
      && rm -rf /var/lib/apt/lists/*
  

接着配置miniforge并换源，继续添加以下内容：

  # 安装 Miniforge
  # 如果网络连接不畅，需要从本地取这个包
  # RUN wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh -O /tmp/miniforge.sh
  COPY Miniforge3-Linux-x86_64.sh /tmp/miniforge.sh
  RUN bash /tmp/miniforge.sh -b -p /opt/conda
  RUN rm /tmp/miniforge.sh
    
  # 配置环境变量
  ENV PATH=/opt/conda/bin:$PATH

  # 换源
  RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge \
      && conda config --set show_channel_urls yes
  

Step 3 - 开始项目相关的配置

搭建conda环境：

  RUN mkdir -p /root/.pip && \
      printf "[global]\nindex-url = https://pypi.tuna.tsinghua.edu.cn/simple\ntrusted-host = pypi.tuna.tsinghua.edu.cn\n" > /root/.pip/pip.conf

  RUN conda create -n unigoal -y python=3.8
  

git clone项目repo：

  RUN git clone https://github.com/bagh2178/UniGoal.git /workspace/UniGoal
  WORKDIR /workspace/UniGoal
  

搭建habitat环境：

  RUN conda install -n unigoal -y habitat-sim==0.2.3 -c conda-forge -c aihabitat
  RUN conda run -n unigoal pip install -e third_party/habitat-lab
  

安装各种第三方依赖：

  # copy third-party repos prepared on host
  COPY vendor/LightGlue /workspace/vendor/LightGlue
  COPY vendor/detectron2 /workspace/vendor/detectron2
  COPY vendor/pytorch3d /workspace/vendor/pytorch3d
  COPY vendor/Grounded-Segment-Anything /workspace/vendor/Grounded-Segment-Anything

  # install third-party python packages from local source
  RUN conda run -n unigoal pip install /workspace/vendor/LightGlue
  RUN conda run -n unigoal pip install /workspace/vendor/detectron2
  RUN conda run -n unigoal pip install /workspace/vendor/pytorch3d

  # install Grounded-Segment-Anything submodules from local source
  WORKDIR /workspace/vendor/Grounded-Segment-Anything
  RUN conda run -n unigoal pip install -e segment_anything
  RUN conda run -n unigoal pip install --no-build-isolation -e GroundingDINO

  # copy checkpoints into UniGoal expected path
  RUN mkdir -p /workspace/UniGoal/data/models
  COPY assets/models/sam_vit_h_4b8939.pth /workspace/UniGoal/data/models/sam_vit_h_4b8939.pth
  COPY assets/models/groundingdino_swint_ogc.pth /workspace/UniGoal/data/models/groundingdino_swint_ogc.pth
  

如果嫌上述RUN conda run -n <env_name> pip install <package>命令可视化程度不高（在docker外面看上去就是卡住了），可以改成下面的命令，直接用pip装：
```
  RUN /opt/conda/envs/<env_name>/bin/pip install -v <package>
```

最后再安装项目相关的依赖：

  # install faiss-gpu & project requirements
  RUN conda install -n unigoal -y -c pytorch faiss-gpu
  WORKDIR /workspace/UniGoal
  RUN conda run -n unigoal pip install -v --progress-bar off -r requirements.txt
  # sanity check
  RUN conda run -n unigoal python -c "import faiss; print('faiss ok')"
  

Step 4 - 组织数据集文件并挂载运行docker

准备一个数据下载的bash脚本，详略；该脚本的作用是下载数据集后，按照项目要求组织目录；

将宿主机的数据目录挂载到docker中，执行以下命令：

  docker run --gpus all -it --rm \
      -v "$(pwd)/data:/workspace/UniGoal/data" \
      <image_name>:<tag_name> /bin/bash
  

Step 5 - 在宿主机上启动ollama服务，并做端口映射

在宿主机上这么启动ollama服务，并将它绑定到所有网卡：
```
  OLLAMA_HOST=0.0.0.0:11434 ollama serve
```

运行docker时，让容器能解析到宿主机地址：

  docker run --gpus all -it --rm \
      --add-host=host.docker.internal:host-gateway \
      -v "$(pwd)/data:/workspace/UniGoal/data" \
      -w /workspace/UniGoal \
      unigoal:ver0 /bin/bash
  

Finally

最终的Dockerfile长成这个样子：

  FROM nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04

  ENV DEBIAN_FRONTEND=noninteractive
  WORKDIR /workspace

  RUN sed -i 's@http://archive.ubuntu.com/ubuntu/@https://mirrors.tuna.tsinghua.edu.cn/ubuntu/@g' /etc/apt/sources.list \
  && sed -i 's@http://security.ubuntu.com/ubuntu/@https://mirrors.tuna.tsinghua.edu.cn/ubuntu/@g' /etc/apt/sources.list \
  && apt-get update \
  && apt-get install -y \
      git wget curl ca-certificates build-essential \
      vim\
      libglib2.0-0 libsm6 libxext6 libxrender1 libgl1 \
      ffmpeg ninja-build \
  && rm -rf /var/lib/apt/lists/*

  # miniforge  
  # use local file if github inacessible  
  # RUN wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh -O /tmp/miniforge.sh
  COPY Miniforge3-Linux-x86_64.sh /tmp/miniforge.sh
  RUN bash /tmp/miniforge.sh -b -p /opt/conda
  RUN rm /tmp/miniforge.sh
        
  ENV PATH=/opt/conda/bin:$PATH

  RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge \
  && conda config --set show_channel_urls yes

  # conda env
  RUN mkdir -p /root/.pip && \
      printf "[global]\nindex-url = https://pypi.tuna.tsinghua.edu.cn/simple\ntrusted-host = pypi.tuna.tsinghua.edu.cn\n" > /root/.pip/pip.conf

  RUN conda create -n unigoal -y python=3.8

  # repo clone
  # RUN git clone https://github.com/bagh2178/UniGoal.git /workspace/UniGoal
  # if git clone fails, use local files.
  COPY UniGoal /workspace/UniGoal
  WORKDIR /workspace/UniGoal

  # habitat
  RUN conda install -n unigoal -y habitat-sim==0.2.3 -c conda-forge -c aihabitat
  RUN conda run -n unigoal pip install -e third_party/habitat-lab

  # copy third-party repos prepared on host
  COPY vendor/LightGlue /workspace/vendor/LightGlue
  COPY vendor/detectron2 /workspace/vendor/detectron2
  COPY vendor/pytorch3d /workspace/vendor/pytorch3d
  COPY vendor/Grounded-Segment-Anything /workspace/UniGoal/third_party/Grounded-Segment-Anything

  # install third-party python packages from local source
  RUN conda run -n unigoal pip install /workspace/vendor/LightGlue
  RUN conda run -n unigoal pip install /workspace/vendor/detectron2
  RUN conda run -n unigoal pip install /workspace/vendor/pytorch3d

  # install Grounded-Segment-Anything submodules from local source
  WORKDIR /workspace/UniGoal/third_party/Grounded-Segment-Anything
  RUN conda run -n unigoal pip install -e segment_anything
  RUN conda run -n unigoal pip install --no-build-isolation -e GroundingDINO

  # copy checkpoints into UniGoal expected path
  RUN mkdir -p /workspace/UniGoal/data/models
  COPY assets/models/sam_vit_h_4b8939.pth /workspace/UniGoal/data/models/sam_vit_h_4b8939.pth
  COPY assets/models/groundingdino_swint_ogc.pth /workspace/UniGoal/data/models/groundingdino_swint_ogc.pth

  # install faiss-gpu & project requirements
  RUN conda install -n unigoal -y -c pytorch faiss-gpu
  WORKDIR /workspace/UniGoal
  RUN conda run -n unigoal pip install -v --progress-bar off -r requirements.txt
  # sanity check
  RUN conda run -n unigoal python -c "import faiss; print('faiss ok')"


  WORKDIR /workspace/UniGoal
  CMD ["/bin/bash"]
  

此外，还有搭配的build.sh文件：

  #!/usr/bin/env bash
  set -e

  mkdir -p vendor assets/models

  # 1. miniforge
  [ -f Miniforge3-Linux-x86_64.sh ] || \
  wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh

  # 2. unigoal
  [ -d UniGoal ] || \
  git clone https://github.com/bagh2178/UniGoal.git

  # 3. LightGlue
  if [ ! -d vendor/LightGlue ]; then
  git clone https://github.com/cvg/LightGlue.git vendor/LightGlue
  fi

  # 4. detectron2
  if [ ! -d vendor/detectron2 ]; then
  git clone https://github.com/facebookresearch/detectron2.git vendor/detectron2
  fi

  # 5. pytorch3d
  if [ ! -d vendor/pytorch3d ]; then
  git clone https://github.com/facebookresearch/pytorch3d.git vendor/pytorch3d
  fi

  # 6. Grounded-Segment-Anything
  if [ ! -d vendor/Grounded-Segment-Anything ]; then
  git clone https://github.com/IDEA-Research/Grounded-Segment-Anything.git vendor/Grounded-Segment-Anything
  cd vendor/Grounded-Segment-Anything
  git checkout 5cb813f
  cd ../../
  fi

  # double check the branch
  if [ -d vendor/Grounded-Segment-Anything ]; then
  cd vendor/Grounded-Segment-Anything
  git fetch --all || true
  git checkout 5cb813f
  cd ../../
  fi

  # 7. checkpoints
  if [ ! -f assets/models/sam_vit_h_4b8939.pth ]; then
  wget -O assets/models/sam_vit_h_4b8939.pth \
      https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth
  fi

  if [ ! -f assets/models/groundingdino_swint_ogc.pth ]; then
  wget -O assets/models/groundingdino_swint_ogc.pth \
      https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth
  fi


  docker build -t unigoal:ver0 .
  

最后，还有data_download.sh文件：

  #!/usr/bin/env bash
  set -euo pipefail

  SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
  PROJECT_ROOT="$(cd "${SCRIPT_DIR}/.." && pwd)"
  DATA_ROOT="${PROJECT_ROOT}/data"

  HM3D_TAR="${DATA_ROOT}/hm3d-val-habitat-v0.2.tar"
  HM3D_URL="https://api.matterport.com/resources/habitat/hm3d-val-habitat-v0.2.tar"
  IMAGENAV_ZIP="${DATA_ROOT}/instance_imagenav_hm3d_v3.zip"
  IMAGENAV_URL="https://dl.fbaipublicfiles.com/habitat/data/datasets/imagenav/hm3d/v3/instance_imagenav_hm3d_v3.zip"
  TEXTNAV_GDRIVE_ID="1KNdv6isX1FDZi4KCVPiECYDxijg9cZ3L"

  HM3D_ROOT="${DATA_ROOT}/scene_datasets/hm3d_v0.2"
  HM3D_VAL_DIR="${HM3D_ROOT}/val"

  IMAGENAV_ROOT="${DATA_ROOT}/datasets/instance_imagenav/hm3d/v3"
  IMAGENAV_VAL_DIR="${IMAGENAV_ROOT}/val"
  IMAGENAV_NESTED_DIR="${IMAGENAV_ROOT}/instance_imagenav_hm3d_v3"

  TEXTNAV_DIR="${DATA_ROOT}/datasets/textnav/val"
  TEXTNAV_FILE="${TEXTNAV_DIR}/val_text.json.gz"

  mkdir -p "${DATA_ROOT}"
  mkdir -p "${DATA_ROOT}/datasets"
  mkdir -p "${DATA_ROOT}/scene_datasets"
  mkdir -p "${HM3D_VAL_DIR}"
  mkdir -p "${IMAGENAV_ROOT}"
  mkdir -p "${TEXTNAV_DIR}"

  echo "Project root: ${PROJECT_ROOT}"
  echo "Data root: ${DATA_ROOT}"

  ###############################################################################
  # 1) HM3D scenes
  ###############################################################################

  if [ -f "${HM3D_TAR}" ]; then
  echo "[HM3D] Found local tar: ${HM3D_TAR}"
  else
  echo "[HM3D] Local tar not found. Trying to download from Matterport..."
  if command -v wget >/dev/null 2>&1; then
      wget -O "${HM3D_TAR}" "${HM3D_URL}" || true
  elif command -v curl >/dev/null 2>&1; then
      curl -L "${HM3D_URL}" -o "${HM3D_TAR}" || true
  fi
  fi

  if [ -f "${HM3D_TAR}" ]; then
  if [ -z "$(find "${HM3D_VAL_DIR}" -mindepth 1 -maxdepth 1 2>/dev/null)" ]; then
      echo "[HM3D] Extracting to ${HM3D_VAL_DIR} ..."
      tar -xf "${HM3D_TAR}" -C "${HM3D_VAL_DIR}"
  else
      echo "[HM3D] ${HM3D_VAL_DIR} already contains extracted files, skipping extraction."
  fi
  else
  echo "[HM3D] Download not completed."
  echo "Please manually obtain:"
  echo "  ${HM3D_URL}"
  echo "and place the file at:"
  echo "  ${HM3D_TAR}"
  echo "then rerun this script."
  fi

  ###############################################################################
  # 2) Instance-image-goal episodes
  ###############################################################################

  if [ ! -f "${IMAGENAV_ZIP}" ]; then
  echo "[ImageNav] Downloading instance-image-goal episodes..."
  if command -v wget >/dev/null 2>&1; then
      wget -O "${IMAGENAV_ZIP}" "${IMAGENAV_URL}"
  elif command -v curl >/dev/null 2>&1; then
      curl -L "${IMAGENAV_URL}" -o "${IMAGENAV_ZIP}"
  else
      echo "[ImageNav] Neither wget nor curl is available."
      exit 1
  fi
  else
  echo "[ImageNav] Found local zip: ${IMAGENAV_ZIP}"
  fi

  if [ ! -d "${IMAGENAV_VAL_DIR}" ]; then
  echo "[ImageNav] Extracting to ${IMAGENAV_ROOT} ..."
  unzip -o "${IMAGENAV_ZIP}" -d "${IMAGENAV_ROOT}"

  if [ -d "${IMAGENAV_NESTED_DIR}" ]; then
      echo "[ImageNav] Flattening nested directory ${IMAGENAV_NESTED_DIR} ..."
      if [ -d "${IMAGENAV_NESTED_DIR}/train" ]; then
      mv "${IMAGENAV_NESTED_DIR}/train" "${IMAGENAV_ROOT}/"
      fi
      if [ -d "${IMAGENAV_NESTED_DIR}/val" ]; then
      mv "${IMAGENAV_NESTED_DIR}/val" "${IMAGENAV_ROOT}/"
      fi
      if [ -d "${IMAGENAV_NESTED_DIR}/val_mini" ]; then
      mv "${IMAGENAV_NESTED_DIR}/val_mini" "${IMAGENAV_ROOT}/"
      fi
      rmdir "${IMAGENAV_NESTED_DIR}" 2>/dev/null || true
  fi
  else
  echo "[ImageNav] ${IMAGENAV_VAL_DIR} already exists, skipping extraction."
  fi

  ###############################################################################
  # 3) Text-goal episodes
  ###############################################################################

  if [ ! -f "${TEXTNAV_FILE}" ]; then
  echo "[TextNav] Downloading text-goal episodes from Google Drive..."

  if command -v gdown >/dev/null 2>&1; then
      gdown --id "${TEXTNAV_GDRIVE_ID}" -O "${TEXTNAV_FILE}"
  else
      echo "[TextNav] gdown not found. Installing it with pip..."
      python3 -m pip install --user gdown
      python3 -m gdown --id "${TEXTNAV_GDRIVE_ID}" -O "${TEXTNAV_FILE}"
  fi
  else
  echo "[TextNav] Found local file: ${TEXTNAV_FILE}"
  fi

  ###############################################################################
  # 4) Final structure check
  ###############################################################################
  echo
  echo "===== Expected key files ====="

  echo "[Check] HM3D:"
  if [ -d "${HM3D_VAL_DIR}" ] && [ -n "$(find "${HM3D_VAL_DIR}" -mindepth 1 -maxdepth 1 2>/dev/null)" ]; then
  echo "  OK: ${HM3D_VAL_DIR}"
  else
  echo "  MISSING OR EMPTY: ${HM3D_VAL_DIR}"
  fi

  echo "[Check] ImageNav:"
  if [ -f "${IMAGENAV_VAL_DIR}/val.json.gz" ]; then
  echo "  OK: ${IMAGENAV_VAL_DIR}/val.json.gz"
  else
  echo "  MISSING: ${IMAGENAV_VAL_DIR}/val.json.gz"
  fi

  echo "[Check] TextNav:"
  if [ -f "${TEXTNAV_FILE}" ]; then
  echo "  OK: ${TEXTNAV_FILE}"
  else
  echo "  MISSING: ${TEXTNAV_FILE}"
  fi

  echo
  echo "Done."
  

历史经验

这一堆是之前在飞书上写的，现在搬过来同步一下。

Docker 镜像本质上与 CPU 架构绑定（如 x86_64、ARM64 等）
- 若构建的镜像需要在其他架构的机器上运行（如在 ARM 宿主机上构建 x86 镜像），可能出现兼容性错误
- 可通过 --platform 参数指定目标架构（需 Docker 支持多架构构建）
docker有两种导入/创建方式，分别是从本地材料中build或者导入已经build好的image或container：
- 从本地根据配置文件build：
  - Dockerfile 是一个包含构建指令的文本文件（如安装依赖、复制代码、配置环境等），docker build 会按照这些指令自动执行构建步骤，避免手动配置环境的繁琐和不一致性。
    docker build [选项] <Dockerfile 所在目录>
    - -t 参数为镜像添加标签（如版本号），便于版本管理和追溯（例如 docker build -t myapp:v1.0）
    - --no-cache参数为强制忽略所有缓存，从头开始构建，避免缓存对docker build的影响；
- 导入已储存的镜像文件或容器文件：
  - 导入docker save的镜像文件（这类文件包含完整的镜像元数据，如 json 文件、层数据等）：
    docker load -i <镜像文件路径>
    - -i是 --input 的缩写，用于指定要加载的镜像归档文件的路径
- 导入docker export的容器文件（这类文件是通过 docker export 生成的容器快照，无镜像必需的元数据）： bash docker import <容器文件路径> <镜像名称:标签>
  查看本地已有镜像：
```
docker images
```
  运行镜像（创建并启动镜像）
```
docker run [选项] 镜像名 [命令]
```
e.g. docker run -it --name my-ubuntu ubuntu:latest /bin/bash
下列所述选项要放到镜像名之前！
-it：-i（保持标准输入打开）和 -t（分配伪终端），组合使用可进入交互模式。
--name my-ubuntu：给容器命名（可选，不指定则自动生成）。
/bin/bash：容器启动后执行的命令（进入 Bash 终端）。
--privileged: 赋予容器特权模式；默认情况下，Docker 容器运行在隔离的受限环境中，仅拥有有限的 Linux 内核权限。指定这个flag后，会赋予容器几乎与宿主机相同的权限，使其能够访问宿主机的所有设备（如 /dev 目录下的硬件设备），并执行一些需要高权限的操作（如修改内核参数、挂载文件系统等）。
-v：挂载数据卷（Volume），用于将宿主机的文件或目录与容器内的文件或目录建立映射（绑定挂载），实现数据在宿主机和容器之间的共享或持久化，语法为docker run -v <宿主机路径>:<容器内路径>[:权限选项]，例如，当宿主机和容器的系统都是Linux时，将宿主机的usb设备挂载到容器上，可以-v /dev/bus/usb:/dev/bus/usb。

也可以后台运行容器，示例如下：

docker run -d -p 8080:80 --name my-bg-container my-app:v1
  

-d：后台运行

-p 8080:80：端口映射（主机端口：容器端口）

查看容器状态

docker ps         # 列出正在运行的容器
docker ps -a      # 列出所有容器（包括停止的）
  

进入正在运行的容器

docker exec -it <container_name> /bin/bash

exec：在运行的容器中执行命令。
-it 和 /bin/bash：同上，进入交互式终端。
退出容器
临时退出（容器继续运行）：在容器终端中按 Ctrl + P + Q。

完全退出（终止容器）：在容器终端中输入 exit 或按 Ctrl + D。

启动 / 停止 / 重启容器

docker start my-ubuntu    # 启动已停止的容器
docker stop my-ubuntu     # 停止运行中的容器
docker restart my-ubuntu  # 重启容器
  

删除容器与镜像

删除容器

  docker rm my-ubuntu          # 删除已停止的容器
  docker rm -f my-ubuntu       # 强制删除运行中的容器
  

删除镜像

  docker rmi ubuntu:latest     # 删除指定镜像