news 2026/6/20 23:01:43

docker 从 Path 值看容器启动命令

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
docker 从 Path 值看容器启动命令

文章目录

    • 一、Path 的常见值
    • 二、Path 的生成规则
      • 2.1、Dockerfile 中的 CMD 或 ENTRYPOINT
      • 2.2、 docker run 命令的参数
      • 2.3、 --entrypoint 参数
    • 三、Path 的限制
    • 四、实际使用
      • 4.1、 Nginx 容器
      • 4.2、 交互式 Shell
      • 4.3、 sleep
      • 4.3、 自定义脚本

在 Docker 容器的配置文件config.v2.json中,"Path"字段指定了容器启动时要执行的主程序(可执行文件)的路径。它决定了容器运行时的入口点(Entry Point),通常与"Args"字段配合使用,共同构成容器的启动命令。

一、Path 的常见值

“Path” 的值必须是容器文件系统中某个可执行文件的 绝对路径,常见的值包括:

示例值说明
/bin/bash启动 Bash shell(常用于交互式容器)
/bin/sh启动默认的 shell(如 Alpine 系统)
/usr/bin/python运行 Python 脚本(需在 Dockerfile 中安装 Python)
/usr/local/bin/app自定义应用程序的路径(需在容器中预装)
/entrypoint.sh自定义入口脚本(需在 Dockerfile 中赋予可执行权限)
/proc/self/exe特殊值,表示当前进程的自身(用于调试或特殊场景)

二、Path 的生成规则

2.1、Dockerfile 中的 CMD 或 ENTRYPOINT

如果 Dockerfile 中定义了CMDENTRYPOINT,Docker 会将其解析为"Path""Args"

示例 1(CMD):

CMD ["nginx", "-g", "daemon off;"]

对应的 config.v2.json:

"Path":"/usr/sbin/nginx","Args":["-g","daemon off;"]

示例 2(ENTRYPOINT + CMD):

ENTRYPOINT ["/bin/sh", "-c"] CMD ["echo 'Hello Docker!'"]

对应的 config.v2.json:

"Path":"/bin/sh","Args":["-c","echo 'Hello Docker!'"]

2.2、 docker run 命令的参数

如果用户在 docker run 中显式指定命令,会覆盖 Dockerfile 中的 CMD。
示例:

dockerrun -it ubuntu /bin/bash

对应的 config.v2.json:

"Path":"/bin/bash","Args":[]

2.3、 --entrypoint 参数

使用--entrypoint可以覆盖 Dockerfile 中的 ENTRYPOINT。
示例:

dockerrun --entrypoint /bin/sh nginx

对应的 config.v2.json:

"Path":"/bin/sh","Args":[]

三、Path 的限制

  • 必须是绝对路径:Docker 不支持相对路径(如 ./bin/app),否则会尝试在 $PATH 中查找。
  • 可执行权限:目标路径必须是可执行文件,否则容器启动失败。
  • 与 Entrypoint 的关系:
    • 如果 Dockerfile 中定义了 ENTRYPOINT,“Path” 会优先使用 ENTRYPOINT 的值。
    • 如果未定义 ENTRYPOINT,“Path” 会从 CMD 的第一个参数推导。

四、实际使用

4.1、 Nginx 容器

"Path":"/usr/sbin/nginx","Args":["-g","daemon off;"]

对应命令:nginx -g "daemon off;",用于以后台模式运行 Nginx。

4.2、 交互式 Shell

"Path":"/bin/bash","Args":[]

对应命令:bash,进入容器的交互式终端。

4.3、 sleep

"Path":"sleep""Args":[10000]

对应命令:sleep 10000,容器保持运行状态10000 s

4.3、 自定义脚本

"Path":"/app/start.sh","Args":[]

要求/app/start.sh是可执行脚本(需在 Dockerfile 中 RUN chmod +x /app/start.sh)。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/16 20:46:01

Seaborn统计图表绘制:结合PyTorch-CUDA-v2.7分析训练曲线

Seaborn统计图表绘制:结合PyTorch-CUDA-v2.7分析训练曲线 在深度学习项目中,模型训练往往像一场“黑箱实验”——我们设定超参数、启动训练,然后盯着终端里不断跳动的损失值,试图从中读出模型是否收敛、是否存在过拟合或梯度问题。…

作者头像 李华
网站建设 2026/6/18 9:34:57

Installing Python包总中断?PyTorch-CUDA-v2.7提供稳定环境

PyTorch-CUDA-v2.7:告别环境配置噩梦,一键启动GPU加速开发 在深度学习项目中,你是否经历过这样的场景:刚写完一个精巧的模型架构,满怀期待地运行训练脚本,结果终端却抛出一连串红色错误——torch not found…

作者头像 李华
网站建设 2026/6/4 18:05:19

从实验到部署无缝衔接:PyTorch-CUDA-v2.7镜像核心优势解析

从实验到部署无缝衔接:PyTorch-CUDA-v2.7镜像核心优势解析 在AI研发一线,你是否经历过这样的场景? 凌晨两点,模型终于调通,本地训练效果惊艳。兴冲冲推送到服务器准备批量跑数据时,却卡在了第一步——torch…

作者头像 李华
网站建设 2026/6/11 21:58:02

Inductor后端性能实测:PyTorch-CUDA-v2.7编译优化效果

Inductor后端性能实测:PyTorch-CUDA-v2.7编译优化效果 在现代深度学习系统中,GPU利用率低、训练延迟高、环境配置复杂等问题长期困扰着开发者。一个模型在研究员的笔记本上跑得飞快,到了生产环境却频频显存溢出或速度骤降——这种“实验室能跑…

作者头像 李华
网站建设 2026/6/15 1:47:15

梯度累积技巧应用:突破显存限制训练更大批次模型

梯度累积技巧应用:突破显存限制训练更大批次模型 在深度学习的实际项目中,我们常常会遇到这样一个尴尬的局面:手头的模型明明还有提升空间,但只要把 batch size 调高一点,GPU 就立刻报出 CUDA out of memory。尤其在微…

作者头像 李华