ついに1.0がリリース！ Dockerのインストールと主なコマンドの使い方
連載目次 本日、Docker 1.0がリリースされました。開発元であるDocker社は公式ブログで、「エンタープライズでの活用に耐え得るものになった」と述べています。また、これと同時に企業向けサポートやトレーニング、コンサルティングも開始すると発表（参考：公式ブログ）。今後、企業での活用も増えることが予想されます。 1.0のリリースに合わせて、Dockerの名称変更がアナウンスされました。前回の「アプリ開発者もインフラ管理者も知っておきたいDockerの基礎知識」で概要、特徴や動作環境を説明したDockerの本体となるソフトウェアは、今後「Docker Engine」と呼ばれることになります。これにDocker社が提供するWebサービスである「Docker Hub」、APIを介して連携するサードパーティのソフトウェア／サービスによるエコシステムを含めたDockerによるプラットフォーム全体
Google Container Engineの無限のリソースでRStudioを動かす - Technically, technophobic.
これまでのあらすじ：R使いのためのDocker「Rocker」を使ってみる(Windows) - Technically, technophobic. せっかくDockerに触ってみたので、RstudioをGoogleの（お金さえあるなら）無限のリソースで動かしてみたいと思います。お金はないですが、フリートライアルでやる分にはタダなのでやってみます。タダは正義。 まだアルファリリースですが、GKEを使ってみます。（アルファリリースなので、今回やった手順はそのうち動かなくなると思います。ご注意ください） Google Container Engine — Google Cloud Platform ※GCEにコンテナを立てたほうが確実ではあります。その場合の手順はこの辺が参考になると思います： Container-optimized Google Compute Engine images
R使いのためのDocker「Rocker」を使ってみる(Windows) - Technically, technophobic.
Rcppの開発者のひとが、R用のDockerイメージをつくるプロジェクトをやっている。その名もRocker。これが公式に採用されたよﾜｰｲ！みたいなブログを見かけたので、ちょっとためしてみました。 Rocker is now the official R image for Docker 結論から言えば、個人的にはおもしろいなーと思うんですがDockerはいろいろ慣れないと難しいこともあるので他の人に勧められるかといえば微妙です。市井のR使いにとってはまだ選択肢ではないかなという気がします。 ※ちなみに今は、vagrantにRStudioを立てて使っています。 WindowsでvagantにRStudio Serverを立てる - Technically, technophobic. Dockerとは Dockerは、コンテナ型仮想化の環境です。コンテナは、VMのように使える、より軽量な仮
Docker・コンテナの作成・起動(run、create)
runコマンドのオプションについて コンテナの名前指定 --nameオプションで、コンテナの名前を指定できます。 指定しないと、dockerが適当な名前をつけます。 例 --nameオプション無しでのrunコマンド。dockerが、"insane_brahmagupta"という名前をつけています。 # docker run -itd my:test f4332b9f2b019a63579aae02858c8de3a6a02efc24ead1915feddf8a9c1a4e70 [root@localhost docker]# docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES f4332b9f2b01 my:test "/usr/local/bin/init." 3 seconds ago Up 2 seconds
データ分析環境の構築にDockerを利用しよう
📜 要約 コンテナー管理ソフトウェアのDockerを利用することで、データ分析の場面で利用頻度の高いRおよびPythonの分析環境として実行することが出来るRStudio Server、Jupyter、Beaker Notebookを容易に構築可能になる。Dockerを使うことの利点として、複数人でのデータ分析や将来の利用面においてデータ分析結果の再現性を高められると考えられる。 🍵 前置き〜データ分析者が直面する再現性への挑戦 データ分析の結果が、自分以外では再現できない、同じデータを使っているのにナンデ！？ということが時々あります。その原因として多いのが分析に関わる人間が利用する実行環境の違い、です。大きなものではOS、小さなものでは分析に利用するツール本体や拡張機能（パッケージやモジュール）のバージョンの違いがあります。 こうした再現性の問題は、複数人でデータ分析を行う時だけでな
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://qiita.com/Dr_ASA/items/22c883f136f85b8bbe92