R用户如何使用Docker？

什么是Docker

Docker是“一种实现在操作系统层面的虚拟化软件，也称为容器”。这是Wikipedia的定义，对于不熟悉的人来说太晦涩难懂了。

简单说，Docker是一类程序，使得在自己的机器上（称为host）调度（启动或者停止）多个操作系统（称为容器）。假设有10台运行不同Linux系统的树莓派，每台都运行不同服务，实际上可以在自己的机器上启停这些树莓派设备。

为什么要在R中使用Docker

Docker可以实现在镜像或者容器中内置环境，意味着可以在Macbook上运行Linux，或者在本机运行R 3.5而同时在虚机里运行R 3.3环境。同时，也意味着为某些特殊目的在虚拟环境中使用较老版本的环境包，而本机则保持最新状态。

这样可以解决“依赖性”问题，如果担心环境改变会影响最新环境，可以建立一个虚拟容器运行需要的环境，可以是Linux、R或者任何其他需要的包。

Docker镜像和Docker容器

在机器上，需要两类东西，镜像和容器。镜像可以看做操作系统，而容器可以认为是镜像的运行态。镜像只需要运行一次，而容器则在需要时候随时启动，当然一个镜像可以同时运行多个实例。

和R对比，安装和装载package类似于镜像和容器，一个package只需要下载一次，但是可以运行多个实例。同样在metaphore概念上也有类比：通过install.packages()来编译镜像，用library()来运行镜像。

Dockerfile

Docker镜像根据Dockerfile建立。Dockerfile是配置文件，其中定义了：依赖的Docker镜像，如何配置操作系统，运行容器时做什么。有点类似于R包中的DESCRIPTION NAMESPACE文件，其中也定义了依赖包，元信息，以及使用library调用后用户可用的函数和数据。

因此，可以为R写一个非常基础的Dockerfile文件，目的是可重复性。也就是说：假如生成了一个分析环境（例如，在一个R文件中定义），而且希望不管以后系统如何升级这个分析环境仍然可以工作。

首先，创建一个分析目录和Dockerfile：

mkdir ~/mydocker
cd ~/mydocker
touch Dockerfile

假如运行程序为位于~/mydocker目录下的myscript.R：

library(tidystringdist)
df  tidy_comb_all(iris, Species)
p  tidy_stringdist(df)
write


    
.csv(p, "p.csv")

FROM

每个Dockerfile都以FROM开头，定义从哪个image开始创建。网上有很多官方发布的镜像，也可以从本地自己建一个开始。FROM定义了镜像的依赖关系，就跟R中生成一个包需要依赖一个另外的包一样（当然一般都是依赖base包）。

如果需要一个基于R的基础包，Dirk Eddelebuettel和Carl Boettiger维护了rocker，这里集中了R可以使用的所有容器镜像。基础包位于rocker/r-base下，我们期望镜像可以重现，也就是任何时候运行都会产生同样的结果，为了达到目的，在rocker/r-ver目录下维护了3.1.0版本之前的R，这样可以运行任何日期之前的程序（感谢Dirk Eddelebuettel）。接下来我们需要查找满足R要求的镜像，可以使用如下命令获得R版本：

R.Version()$version.string

因此，可以以如下标识开始一个Dockerfile：

FROM rocker/r-ver:3.4.4

RUN

到这一步，可以加入一些运行时的短指令，例如创建接收分析数据的目录：




    
FROM rocker/r-ver:3.4.4
RUN mkdir /home/analysis

Install our package

这条命令让R执行一些命令行，R -e "my code"，用这个模式在特定日期安装依赖脚本，可以设置“repos”到特定日期，并且使用CRAN的镜像。

FROM rocker/r-ver:3.4.4
RUN mkdir /home/analysis
RUN R -e "options(repos = \
  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/2019-01-06/')); \
  install.packages('tidystringdist')"

Aside : making it more programmable with ARG

如果使用ARG参数可以修改生成时间，参数是：--build-arg WHEN=

FROM rocker/r-ver:3.4.4
ARG WHEN
RUN mkdir /home/analysis
RUN R -e "options(repos = \
  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \
  install.packages('tidystringdist')"

{tidystringdist} 将会安装我们要求日期的版本，即使我们在很久之后才执行这条命令。

COPY

现在，需要将主机上的分析脚本放到容器中，可以使用COPY localfile pathinthecontainer方式。注意这里的myscript.R和Dockerfile要在同一个目录下：

FROM rocker/r-ver:3.4.4
ARG WHEN
RUN mkdir /home/analysis
RUN R -e "options(repos = \
  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \
  install.packages('tidystringdist')"
COPY myscript.R /home/analysis/myscript.R

CMD

CMD是每次运行Docker都要运行的命令。




    
FROM rocker/r-ver:3.4.4
ARG WHEN
RUN mkdir /home/analysis
RUN R -e "options(repos = \
  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \
  install.packages('tidystringdist')"
COPY myscript.R /home/analysis/myscript.R
CMD R -e "source('/home/analysis/myscript.R')"

Build 和 run

Build

我们的需求是：运行过去日期的分析工作，需要使用 --build-arg WHEN= 参数，只要在=后加入日期即可。在终端Dockerfile目录下，运行：

docker build --build-arg WHEN=2019-01-06 -t analysis .

-t name是镜像的名字，. 意味着Dockerfile在同一个目录下。

run

执行命令：

docker run analysis

分析作业即可被执行。

导出容器内容

现在我们迎来了下一项任务：访问由容器之外分析源（这里为p.csv）提供的相关内容；换言之，这些内容处于主机之上。相信大家都很明确，目前一切在容器之内发生的操作都只会影响到容器内部。因此，我们需要的就是让Docker容器与主机之间共用一个文件夹。为了达成这项目标，我们将要使用所谓Volume，简单来讲，大家可以将其理解成一种告知Docker容器如何将主机上的文件夹作为容器内文件夹的方法。

这样一来，当容器被关闭之后，容器在该文件夹当中创建的所有内容都将得以保留。为此，我们将在运行容器时使用-v标志，同时配合path/from/host:/path/in/container。此外，我们还需要创建一个文件夹以接收来自容器与主机的结果：

FROM rocker/r-ver:3.4.4

ARG WHEN

RUN mkdir /home/analysis

RUN R -e "options(repos = \
  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \
  install.packages('tidystringdist')"

COPY myscript.R /home/analysis/myscript.R

CMD cd 


    
/home/analysis \
  && R -e "source('myscript.R')" \
  && mv /home/analysis/p.csv /home/results/p.csv

mkdir ~/mydocker/results 
docker run -v ~/mydocker/results:/home/results  analysis

等待计算完成，然后……

ls ~


    
/mydocker/results  
p.csv

下面我们该做什么？

到这里，每一次启动这个Docker镜像时，分析都将得到执行并给出结果。另外，其中不存在依赖性问题：软件包将始终根据你的需要开始安装。虽然过程可能有点耗时，这是因为每次运行容器时软件包都会从头安装；但正如我在开头的声明中所提到，这是为了对Docker、R以及再现性做出基本介绍，旨在帮助更多初学者顺利上手Docker方案：）

下面我们再进行一点拓展讨论：

如果大家希望自己的分析以软件包版本为基础，而非以安装时间为基础，则可使用remotes::install_version()。

FROM rocker/r-ver:3.4.4

RUN R -e "install.packages('remotes'); \
  remotes::install_version('tidystringdist', '0.1.2')"

...

另外，你可以使用Volume以追踪传入容器内的数据，这样任何处于同一环境中的数据都将接受分析处理。

原文链接：https://colinfay.me/docker-r-reproducibility/

Kubernetes入门与进阶实战培训

Kubernetes入门与进阶实战培训将于2019年4月19日在北京开课，3天时间带你系统学习Kubernetes，学习效果不好可以继续学习。本次培训包括：Docker基础、容器技术、Docker镜像、数据共享与持久化、Docker三驾马车、Docker实践、Kubernetes基础、Pod基础与进阶、常用对象操作、服务发现、Helm、Kubernetes核心组件原理分析、Kubernetes服务质量保证、调度详解与应用场景、网络、基于Kubernetes的CI/CD、基于Kubernetes的配置管理等，点击下面图片查看具体详情。