百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

Docker官方镜像仓库抽风难?分享四种Docker镜像拉取方案

bigegpt 2025-02-15 14:37 8 浏览

本内容来源于@什么值得买APP,观点仅代表作者本人 |作者:Stark-C


众所周知,最近的Docker官方镜像仓库Dockerhub可能抽风了。因为我自己网络情况还算良好一直没发现,直到前几天陆续有多位小伙伴在评论区讨论这个事情,我尝试将网络恢复正常,果然不出所料:

Dockerhub抽风了!

然后尝试使用ping工具检测,我心安了,因为并不只有我一个人是这种情况,全国都是一片大红啊~~

看到这个情况,可能很多小伙伴都担心,以后我们难道就用不了Docker了吗?

非也!我其实在前两篇文章已经回复过这个问题。我们目前的网络只是打不开Dockerhub的官方网站,但是里面的镜像还是正常拉取的。

当我以为我说的这句话没毛病的时候,我昨天在朋友家里玩NAS,用她家里的移动网络拉取镜像的时候,十几兆的镜像拉取了10几分钟还没完成,最后竟然还失败了,当我使用其它网络的时候,3秒钟全部搞定!

结论就是:我给小伙伴们的回复草率了!这脸打的有点快啊~~~~

既然这样,我还是给小伙伴们总结一下,目前我找到的可以解决这个问题的方法吧!

方案一:使用MO法

这种方案可以说是万能大法,通过它没有搞不定的。具体操作如下:

……此处省略一万字……

方案二:先拉取镜像在部署容器

很多时候我们在SSH终端直接通过容器的Docker run命令来搭建的时候,怎么都没有速度,主要就是卡在拉取镜像这一步。

但是我们可以先不要直接使用Docker run命令,而是先通过NAS的Docker功能单独的拉取镜像到本地并保存,在过去使用Docker run命令来搭建,这个容器就能秒完成。这个方案我试过不管是在群晖还是威联通都非常有用,小伙伴如果碰到拉取镜像失败的问题可以试试。

举个例子,我这里以威联通NAS来演示:

比如我这里直接使用Docker run命令搭建【linuxserver/librespeed】这个很出名的局域网测速容器,在拉取镜像的时候几乎没有速度,5分钟了还是上图中的样子。可以看到镜像完全就拉不动(没速度啊)。

但是我使用威联通的Container Station先将这个镜像下载到本地(操作方法:映像—提取—输入完整的镜像名称—提取)

可以看到镜像下载速度非常的快,不到5秒钟就下载完成。

在镜像列表中已经看到这个镜像了,但是是“未使用”状态,因为我们只是下载了镜像,还没有搭建容器。

然后回到SSH终端,再次输入Docker run部署命令,可以看到系统直接跳过拉取镜像的步骤,瞬间完成了这个容器的搭建,用时真的不到两秒钟,非常的快。

搭建结果也是没有任何问题的。

方案三:使用国内镜像加速

这个方案说实话比较鸡肋,有的人反映非常的快,有的人设置好之后没什么变化,所以说只能自己尝试了!

然后我这里换作群晖最新的Container Manager(Docker)来演示吧!

你以为我打开的注册表是这样的吗?

它其实是这样的。我相信这种情况的小伙伴肯定非常多对吧?所以这个时候我们只能通过ssh终端连接的方式来部署。问题是直接docker pull 拉取速度一样很慢,或者根本没速度,怎么办?

这里建议通过新增国内容器镜像仓库来提高下载速度。方法是:点击注册表—设置,选中Docker Hub,点击编辑,然后在注册表镜像里面新增国内容器镜像仓库地址即可,最后点击应用。

这里顺便分享一下其它网友列出来的国内容器镜像仓库地址:

阿里云(杭州)
https://registry.cn-hangzhou.aliyuncs.com/

阿里云(深圳)
https://registry.cn-shenzhen.aliyuncs.com/

阿里云(广州)
https://registry.cn-guangzhou.aliyuncs.com/

阿里云(成都)
https://registry.cn-chengdu.aliyuncs.com/

腾讯云
https://mirror.ccs.tencentyun.com/

微软云
https://dockerhub.azk8s.com

网易
https://hub-mirror.c.163.com/

上海交通大学
https://mirror.sjtu.edu.cn/docs/docker-registry

南京大学 https://docker.nju.edu.cn

道客 DaoCloud
https://f1361db2.m.daocloud.io

我之后试着在群晖上搭建了前面说的【linuxserver/librespeed】容器,拉取速度确实有提升,差不多20秒种就搞定了!

容器显示也是正常的。

方案四:使用Docker Proxy 镜像加速

这个从字面上就能理解它的意思对吧?它其实是另外一种网络访问方式,简单理解就是Docker镜像的代理服务,我们如果碰到docker pull拉取没速度的时候,就可以使用这种方案,可以说是直接满速起飞!

这里推荐我常用的一个代理服务网站,除了支持 Docker Hub,GitHub, Google, k8s, Quay等镜像仓库也都是支持的,非常的不错!

代理服务网站:https://dockerproxy.com/

使用起来非常简单,直接输入我们需要的镜像名称(注意还是需要完整的名称),然后点击“获取命令”,下面就会显示这个代理网站给出的docker pull命令,我们直接使用就可以了!

尝试使用它的命令拉取镜像,果然啥也不用设置,速度非常的快!

但是需要说明的是,因为镜像是从这个代理软件的镜像仓库拉取过来的,所以名称其实显示的是它自己的仓库名,我们还需要通过它给出的“重命名镜像”和“删除代理镜像”两个命令继续操作,我们得到的才是我们可以直接使用的正常镜像。

来到NAS中的镜像列表,可以看到这个镜像已经存在,并且显示正常,说明我们拉取成功。

618NAS推荐

目前拥有的Docker容器超过上万种,也就是说,对于我们使用NAS的用户来说,Docker功能的存在扩展了我们更多的玩法,赋予了我们更多的可能。得益于Docker容器优良的特性,Docker容器不管是在部署方面,还是在资源利用方面,以及安全方面都有非常不错的表现,所以建议有购买NAS意愿的小伙伴,我个人是强烈的建议你们选购支持Docker功能的NAS产品,并且还是X86架构的。

当前国内市场可以完整支持Docker功能的NAS产品也就是群晖,威联通以及华硕NAS三家的产品了,这三家作为深耕NAS领域超过10年的传统NAS品牌,不管是系统以及产品,都得到了广大用户的认可,同时它们的功能和玩法也是最多的。



这两年国内市场也出现了一批新型的国产NAS品牌,比如绿联,极空间等,它们拥有良好的操作系统以及对国人更友好的操作界面,大大减少了新手用户的上手难度。同时它们也是都支持Docker功能的,但是对于一些需要特权的Docker容器支持的并不好(比如Portainer),好在对于我们绝大多数普通消费者来说,常见的Docker容器都是可以随意搭建的。



好了,以上就是今天给大家分享的内容,我是爱分享的Stark-C,如果今天的内容对你有帮助请记得收藏,顺便点点关注,我会经常给大家分享各类有意思的软件和免费干货,咱们下期再见!谢谢大家~


相关推荐

机器学习分类模型评估(三)-F值(F-Measure)、AUC、P-R曲线

概述上二篇文章分别讲述了准确率(accuracy)、精确率(Precision)、查准类、召回率(Recall)、查全率、ROC曲线,本文讲述机器学习分类模型评估中的F值(F-Measure)、AUC...

SPSS ROC曲线诊断临界值确定

ROC曲线是在临床医学和流行病学研究中一种常用的在诊断试验、预测模型中用于决定最佳临界点的方法。ROC曲线用真阳性率和假阳性率作图得出曲线,其横轴表示假阳性率(1-特异度),纵轴表示真阳性率(灵敏度)...

分类器模型检测--ROC曲线和AUC值

在监督学习建模中有一个重要的模块是模块的检测,就是怎样判断一个模型的好坏?那么常用的的检测的指标有P值、R值、F值、ROC曲线、AUC值等,今天来学习他们都是怎么来的,有什么用处。这里为二分类问题,即...

【Python机器学习系列】建立梯度提升模型预测心脏疾病

这是Python机器学习系列原创文章,我的第204篇原创文章。一、引言对于表格数据,一套完整的机器学习建模流程如下:针对不同的数据集,有些步骤不适用即不需要做,其中橘红色框为必要步骤,由于数据质量较高...

如何Keras自动编码器给极端罕见事件分类

全文共7940字,预计学习时长30分钟或更长本文将以一家造纸厂的生产为例,介绍如何使用自动编码器构建罕见事件分类器。现实生活中罕见事件的数据集:背景1.什么是极端罕见事件?在罕见事件问题中,数据集是...

机器学习分类问题:9个常用的评估指标总结

对机器学习的评估度量是机器学习核心部分,本文总结分类问题常用的metrics分类问题评估指标在这里,将讨论可用于评估分类问题预测的各种性能指标1ConfusionMatrix这是衡量分类问题性能的...

基于R语言的ROC曲线绘制及最佳阈值点(Cutoff)选择

ROC曲线在介绍ROC曲线之前,我们首先需要介绍混淆矩阵(ConfusionMatrix)。在统计分类模型的评估过程中分别统计分类模型归错类,归对类的观测值个数,然后把结果放在一个表里展示出来的表格...

R数据分析:多分类问题预测模型的ROC做法及解释

有同学做了个多分类的预测模型,结局有三个类别,做的模型包括多分类逻辑回归、随机森林和决策树,多分类逻辑回归是用ROC曲线并报告AUC作为模型评估的,后面两种模型报告了混淆矩阵,审稿人就提出要统一模型评...

SPSS实战:多个指标ROC曲线方向不一致的解决办法汇总(收藏)

在诊断实验和预测模型的临床效能评价中,我们常常用到ROC曲线分析。在SPSS中绘制ROC曲线操作比较简单,但如果将多个指标的ROC曲线绘制在同一个图中,有时候会碰到有些指标的ROC曲线在对角线上面,一...

小果教你快速分析ROC生存曲线图

尔云间一个专门做科研的团队原创小果生信果小伙伴们,大家好呀,很高兴和大家见面,前段时间应小伙伴出的解读ROC曲线图,小伙伴反应很是积极,这不最近小伙伴对于不同年份的ROC曲线图的分析呼声很高,...

生信文章中高频出现、模型评估必备分析——ROC曲线图,怎么看?

尔云间一个专门做科研的团队关注我们做了生信分析,拿到一堆数据,看不懂图怎么办?火山图、热图、散点图、箱线图、瀑布图···这么多类型的图都咋看?风险模型预后评估图、GO-KEGG富集分析图、GSEA...

如何看懂文献里那些图——ROC曲线图

ROC曲线的基本思想是把敏感度和特异性看作一个连续变化的过程,用一条曲线描述诊断系统的性能,其制作原理是在连续变量中不同界值点处计算相对应的灵敏度和特异度,然后以敏感度为纵坐标、1-特异性为横坐标绘制...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

准确性检验 (ROC曲线)的SPSS操作教程及结果解读

作者/风仕在上一期,我们已经讲完了诊断试验的基础知识,这期开始讲准确性检验(ROC曲线),我们主要从准确性检验(ROC曲线)的介绍、基本概念、绘制原理、统计量、使用条件及案例的SPSS操作演示这几...

SPSS:ROC 曲线为什么反了?

【作者介绍】李志辉,长期从事各类统计软件应用研究,主编或参编SPSS、MINITAB、STATISTICA多个统计软件教材共8本。代表作:电子工业出版社《SPSS常用统计分析教程(SPSS22.0中...