Docker Tutorials

In dieser Challenge lernst du, wie man die Multi-stage Build-Funktion von Docker nutzt, um durch die Trennung von Build- und Laufzeitumgebungen kleinere und effizientere Docker-Images zu erstellen.

Docker ist eine beliebte Plattform für die Entwicklung, den Versand und die Ausführung von Anwendungen. Der Befehl docker create wird verwendet, um einen neuen Container aus einem Image zu erstellen. In dieser Challenge lernen Sie Schritt für Schritt, wie Sie den Befehl docker create verwenden, um einen neuen Container zu erstellen.

In dieser Herausforderung lernen Sie, wie Sie Daten in Containern effizient verwalten. Container sind leichtgewichtig, portabel und einfach zu bedienen. Sie bieten eine isolierte Umgebung, in der Sie Ihre Anwendungen ausführen können, ohne sich Gedanken über Abhängigkeiten oder Konflikte machen zu müssen.

Eine Docker-Registry ist eine Plattform, die es uns ermöglicht, Docker-Images zu speichern, zu verwalten und zu verteilen. Während die Nutzung cloudbasierter Dienste wie Docker Hub komfortabel ist, bringen diese gewisse Einschränkungen mit sich. In dieser Herausforderung werden wir den Prozess zur Einrichtung einer lokalen Docker-Registry durchlaufen, was uns mehr Kontrolle über unsere Images gibt und das Arbeiten im Offline-Modus ermöglicht.

Docker ist ein leistungsstarkes Werkzeug für die Bereitstellung von Anwendungen, kann aber zu Beginn etwas verwirrend sein. In dieser Challenge lernen Sie, wie Sie Docker-Container miteinander verknüpfen, um eine Multi-Container-Anwendung zu erstellen. Wir beginnen mit einfachen Beispielen und arbeiten uns schrittweise zu einer komplexeren Anwendung vor. Auch wenn Sie neu bei Docker sind, werden Sie dem Tutorial problemlos folgen können.

Hallo und willkommen bei LabEx! In diesem ersten Lab lernst du das klassische 'Hello, World!'-Programm in Docker kennen.

Dieser Lab bietet eine vereinfachte Möglichkeit, die Computerinteraktionsfähigkeiten von Claude 3.5 Sonnet zu erkunden, indem Sie die vorinstallierte Anthropic Computer Use Demo in LabEx nutzen.

Dieses Projekt soll Sie durch den Prozess des Erstellens eines einfachen TensorFlow-Modells, dessen Export und anschließender Bereitstellung mithilfe von Docker und TensorFlow Serving führen. TensorFlow ist ein Open-Source-Framework für maschinelles Lernen, und TensorFlow Serving ist ein flexibles, leistungsstarkes System zur Bereitstellung von maschinellen Lernmodellen. Docker-Container ermöglichen es, diese Modelle einfach und konsistent zu verpacken und bereitzustellen. Am Ende dieses Projekts werden Sie verstehen, wie Sie ein einfaches maschinelles Lernmodell in TensorFlow einrichten, es für die Bereitstellung exportieren und es mithilfe von TensorFlow Serving in einem Docker-Container deployen können.

In diesem Lab lernen Sie die Grundlagen der Container-Sicherheit kennen, indem Sie Docker installieren, einen einfachen Container ausführen und seine Prozesse sowie Sicherheitseigenschaften wie Ressourcengrenzen untersuchen.

In diesem Lab lernen Sie, wie Sie ein Grafana-Dashboard von Grund auf neu erstellen. Sie werden Panels erstellen, PromQL-Abfragen schreiben und Visualisierungen anpassen, um Systemmetriken aus einer vorkonfigurierten Prometheus- und Node-Exporter-Umgebung anzuzeigen.

In diesem Lab installieren Sie Grafana mithilfe von Docker. Sie lernen, wie Sie den Grafana-Container ausführen, auf seine Web-UI zugreifen und ihn als Datenquelle mit einer bereits vorhandenen Prometheus-Instanz verbinden, um Sie auf die Erstellung leistungsstarker Monitoring-Dashboards vorzubereiten.

In diesem Lab lernen Sie, wie Sie Prometheus mit Docker installieren und ausführen, auf seine Web-UI zugreifen und seine grundlegenden Funktionen erkunden.

In diesem Lab richten Sie Node Exporter ein, einen Prometheus-Exporter für Hardware- und OS-Metriken. Sie führen einen Node Exporter-Container aus und konfigurieren eine bereits vorhandene Prometheus-Instanz, um Metriken von diesem neuen Ziel abzurufen und so Ihre Monitoring-Fähigkeiten zu erweitern.

In diesem Lab erkunden Sie die Prometheus Query Language (PromQL). Anhand einer vorkonfigurierten Prometheus- und Node Exporter-Einrichtung lernen Sie, Zeitreihendaten abzufragen und zu manipulieren, von grundlegenden Auswahlen bis hin zur Anwendung von Funktionen und Filtern.

In diesem Lab lernen Sie, wie Sie die integrierte Alerting-Funktionalität von Prometheus nutzen. Sie werden Alerting-Regeln schreiben, diese in Prometheus laden und Bedingungen simulieren, um einen Alarm auszulösen.

In diesem Lab lernen Sie, wie Sie Logs versenden und abfragen. Sie konfigurieren und führen Promtail, den Log-Sammelagenten, aus, fügen Loki als Datenquelle in Grafana hinzu und fragen Ihre Logs anschließend mit der LogQL-Sprache ab. Das Setup stellt laufende Instanzen von Loki und Grafana bereit.

In diesem Lab lernen Sie, wie Sie Grafana Loki installieren und ausführen, ein horizontal skalierbares Multi-Mandanten-Log-Aggregationssystem. Sie werden Docker verwenden, um das offizielle Loki-Image zu ziehen, eine Basis-Konfigurationsdatei zu erstellen und den Loki-Container auszuführen.

In diesem Lab lernen Sie, wie Sie Prometheus mit einer benutzerdefinierten Konfigurationsdatei konfigurieren, diese in einen Docker-Container einbinden und die Konfiguration dynamisch neu laden.