docker pull REPOSITORY[:TAG] docker image pull REPOSITORY[:TAG]
Dockerのvolume機能について調べたことをまとめます 対象 Docker 1.10 VirtualBoxでのdocker-machine利用 公式のVolumeについての説明文書 Manage data in containers https://docs.docker.com/engine/userguide/dockervolumes/ dockerでrunコマンドコンテナを起動するときに「-v」オプションをつけることで 起動元(docker runを実行したホスト)のディレクト コンテナを実行しているホストのディレクトリ 1 を、コンテナ内のディレクトリとしてマウントすることができます。 このマウントされた領域をVolumeというそうです。 % docker run -v /host/path:/container/path some_image → ホストの /host/p
この記事の対象 Dockerを使ったことがない。もしくは、触ってみたけどよくわからない Webアプリの開発中に「MySQLを起動しわすれていた」とか「nodeのバージョン違った」で悩まされている人 背景 Dockerの事例は増えてきたけど、なかなか手を出しづらい人も多いんじゃないだろうか。 個人的に、ここ数ヶ月でいろいろとDockerの構成を試しているので、それをふまえて開発環境でのDockerの使い方を解説しようというのがこの記事の目的。 Dockerでnginx+node.jsのSPA構成を試す React SSR+WordPress REST APIをDocker Composeで試す RailsのToDoアプリチュートリアル(on Docker) productionでのDocker活用となると、触る機会も限られてくるし、気軽に試せるものじゃない。そこで今回は、Dockerのポータ
はじめに Dockerでの開発環境構築については色々と情報が転がっていましたが、情報が古かったり構成が違ったりで試行錯誤ありましたのでひとまずまとめました。ちなみに本番環境は今のところDocker全く使っておらず、開発環境を手軽に整えるという目的のみで使っています。 開発中のサービスは現在下記のコンポーネントで構成されています。 - Ruby on Rails 4 - MySQL - memcached - redis - nginx Docker導入前と後での変化 弊社では各個人のPCに環境を構築して開発しています。 mysqldやmemcached、ImageMagickなど依存しているモジュールを入れて環境をセットアップするのですが、まぁビルドは時間かかるしバージョンが違ったりでなんだかんだ丸一日費やすことが多かったです。 Dockerで開発環境をセットアップできるようにした結果、P
Centos7.2 Dockerサーバー構築 インストール Centosのデフォルトのリポジトリにdockerのパッケージはあるので、yumでインストールしてあげればおk。 $ sudo yum -y install docker $ sudo systemctl status docker.service ● docker.service - Docker Application Container Engine Loaded: loaded (/usr/lib/systemd/system/docker.service; disabled; vendor preset: disabled) Active: inactive (dead) Docs: http://docs.docker.com $ $ sudo systemctl status docker.service ● doc
20171128 追記 (2017年末時点でのMac / Win用Docker) 2016年半ば時点で、Mac版のDocker利用では2つの方式が利用できました。 こちらに加えて、2017年末時点ではWindows版についても2つ方式があります。(厳密に言うと、もっとありますが簡単に始められるタイプとして2つずつ) 記事が古くなっているところにご訪問下さった方に申し訳ないので、新旧(?)の仕組みの違いを書いた簡単な図を載せておきます。 それぞれ、Mac版とWindows版になります。 Mac版のDocker Windows版のDocker 2017年末時点で提供されている Docker for Windowsだと、Hyper-Vを利用し、その上でDockerホストとして働くLinux (MobyLinux) の仮想マシンが立ち上がります。 さらに、Wondowsのdos(cmd.exe)や
Docker + Itamae でレシピ作成の試行錯誤を 高速化 #itamae #docker 概要 Docker + Itamae でレシピ作成の試行錯誤を 高速化 します 目的 Itamae のレシピ作成時間を短縮 特に工夫をしないと、レシピのプロビジョニングリトライは非常に時間がかかる 例えば、Ubuntu 環境に rbenv + ruby(2.1.3) + rails(4.1.8) 環境をインストールしたところ 15 分かかりました 何も工夫をしなければ再試行に + 15 分かかります 普段のプログラミング同様、何事も一発で成功することは少ない。試行錯誤は発生する ※ Itamae に限った話ではないので、プロビジョニングツール全般に応用可能 前提 Vagrant で構築した CoreOS 環境 の上に Docker で作成した Ubuntu 14.04 のコンテナを作成し、その
Resources Watch videos, read documentation, and hear Chocolatey success stories from companies you trust. View Resources Events Find past and upcoming webinars, workshops, and conferences. New events have recently been added! View Events Courses Step-by-step guides for all things Chocolatey! Earn badges as you learn through interactive digital courses. View Courses Join our monthly Unpacking Softw
経緯 phpを全く知らない人間にphpのossについて検証・調査するようにというお達しが来ました。 ossのシステム要件を見ると、linux系のosの指定、 apache、 mysql、 phpのversionにも色々指定があったので、dockerを使って検証することを決意したのでありました。(dockerの名前だけは知っていたので、やってみたいという気持ちがありました) 問題点 社内の人間でdockerを知っている人がほとんどいません。また、osもwindows8.1、 10、 macOSなどなど いざ開発となっても、問題が起こりそうなにおいがプンプンします 目標 docker toolbox、 docker for windows、 docker for macでも動作すること とにかくわかりやすいこと。なるべくdocker以外入れない。vagrantとか 1に関してはosの問題がある
レジストリ蛾ぶっ壊れて再インストールが必要になったのでWindowsをクリーンインストール後に入れた開発ツールなどを忘備録として。あと軽く各ツールについて解説。 環境 Windows 10 Pro バージョン 1607 build 14393.51 Tools Development Babun zshとかohmyzshとかgitなどのモダンっぽいツールをまるっと入れたのをパッケージングしたcygwin環境。 モダンらしくパッケージマネージャを備えているので必要に応じて追加でツールをインストール出来る。 Docker-Toolbox docker, docker-compose, docker-machine, VirtualBox, Git for Windowsやらをまとめてインストール出来る。 Docker for Windowsが最近GAになったもののマウント周りで微妙にバグを抱え
dockerでrails環境構築 rails5 + mysqlの開発環境が必要になったので、dockerコンテナとして構築します。 docker-machineで作業するにあたってものすごくハマったのでその作業記録も。 作業環境 railsとmysqlはそれぞれ独立したコンテナにしたかったのでdocker-composeでまとめます。 またホストマシンはmacなのでdocker-machineでdockerの環境を作っています。 docker-machine v0.7.0 docker v1.11.0 docker-compose v1.7.0 railsコンテナ作成 方針 ホスト側にrubyがインストールされていなくても開発出来るようにしたい。 railsのアプリケーションのフォルダ自体はボリュームでマウントして、ファイルの編集自体はホスト環境で行えるようにしたい。 railsコンテナの
参考:http://changineer.info/server/virtualization/virtualization_diff.html また仮想環境を設定するのに、自動的に設定を行ってくれる「vagrant」というツールがある 「box」という仮想環境のベースとなるイメージファイルを用いて自動で環境を構築してくれる 環境構築するには「Vagrantfile」という設定ファイルに「box」を指定して設定ファイル階層で実行をする コンテナ型 コンテナ型のソフトウェアに「Docker」がある サポートは基本的LinuxOSだったが、2016年12月時点では要件次第で対応している 要件を公式より下記引用 Mac Docker for Mac requires OS X El Capitan 10.11 or newer macOS release running on a 2010 or
主な変更 ActivityPubが使用されるようになりました。以前から言われていましたが、OStausを使うGNU Socialとはもはや別モノになります。 1.5.1以下とどう違うのかはまだ分かりませんが、カスタマイズしているインスタンスの管理者はおそらく大きな変更を迫られると思います。 新規ユーザーに最初からフォローさせる機能がつきました。Admin権限を持っているユーザー全員がフォロー対象になります。 マストドンがweb+mastodon://から始まるURLを認識するようになりました。 web+mastodon://follow?uri=alice@example.comでそのユーザーをフォロー、 web+mastodon://share?text=Lorem+ipsumで Lorem ipsumとtootできます。テストリンク Pawooで使われていたトゥートのピン留がマージされ
docker-composeで日本語対応のHeadless Chromeを「puppeteer」で操作する手順です。 🐡 Dockerfile日本語対応のChromeの入ったDockerfileは次のように記述します。 FROM ubuntu:latest MAINTAINER morizyun <@zyunnosuke> # For Japan RUN sed -i -E "s@http://(archive|security)\.ubuntu\.com/ubuntu/@http://ftp.jaist.ac.jp/pub/Linux/ubuntu/@g" /etc/apt/sources.list # Basic RUN apt-get update \ && apt-get install -y sudo curl wget zip unzip git nodejs npm fon
個人的なメモ取り環境としてWikiが欲しいな、と思ったので建てました。 以下macOSで作業していますが、LinuxやWindows環境でも大きく変えるところなく使えると思います。 Wikiエンジンにはgollumを使う gollumはバックエンドにGitを使っているシンプルなWikiです。 gollum -- A git-based Wiki GFMで記述するようにもできますし、レポジトリに直接コミットしてもちゃんと拾ってくれるので、取り敢えず適当なテキストエディタで殴り書いたメモを取り込む場合にも手間があまりかかりません。 勿論複数人でバリバリ使うような用途には向いていないかもしれませんが、個人的な用途で使う場合にはその手軽さが助かります。 Dockerで構築 一昔前ならローカルにLAMP環境を構築したり、VirtualBox等で仮想VMのLinuxを起動して〜となるところですが、今の
前回Packer + itamaeでDockerfileのないDockerライフの記事でitamaeを使ってDocker imageを作ることにしました。 ただその時の課題として対象マシンにitamaeを動かすためにrubyをインストールしないといけないことでした この問題を最近 k0kubunさんがリリースされたMItamaeが解決してくれそうだったので使ってみました。 MItamaeとは? @k0kubun さんが作成されたmrubyのItamae http://k0kubun.hatenablog.com/entry/mitamae そもそもItamaeは何が問題だったのか Itamae ssh経由での適用は遅いのでサーバー側において実行したい linuxとかにはrubyが入っていないものもある Itamaeのためだけにruby一式をインストールする? シングルバイナリで出来たら便利
いまお仕事の関係で、機械学習の教科書的な書籍を読んだりオンライン講座を受講したりしながらサンプルやチュートリアルを動かして勉強しています。 機械学習を勉強するときは、Pythonの環境を構築し、JupyterNotebookを使って、実際に手と頭を動かしながら行うのが効率的です。が、アルゴリズムの理論そのものの理解がすでにしんどい上、過学習対策のための正則化、汎化性能の評価、クロスバリデーション、不均衡データや少ないデータはどうすればいいか、などなどいちいち難しいことを数多く勉強しなければなりません。 その上、、、、機械学習での学習は、1度やれば終わり!ではなく、パラメータチューニングしたり、データを増やしたり加工したりしながら、繰り返しなんども行う必要があります。一見ビジネス寄り&アカデミックな雰囲気を醸し出していますが、実際のところは、非常に泥臭い作業のオンパレードです。 が、、、、、
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
処理を実行中です
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