Docker को शून्य से कैसे सीखें: डेटा प्रोफेशनल्स के लिए मार्गदर्शिका

चरण 3: अपना पहला कंटेनर चलाएँ

अब जब Docker इंस्टॉल हो चुका है, आपका पहला कंटेनर चलाने का समय है। हम सरल hello-world इमेज से शुरू करेंगे, जो शुरुआती लोगों के लिए बिल्कुल उपयुक्त है।

1. अपना टर्मिनल (या Windows पर Command Prompt) खोलें और निम्न कमांड चलाएँ:

sudo docker run hello-worldसंचालित द्वारा

यह कमांड Docker को लोकल में hello-world इमेज ढूँढने के लिए कहता है। यदि यह नहीं मिलती, तो Docker Docker Hub से इमेज पुल करेगा और फिर उसे चलाएगा।

यदि Docker सही से इंस्टॉल है, तो आपको “Hello from Docker!” संदेश दिखाई देगा, साथ ही यह भी कि Docker प्रक्रिया कैसे काम करती है। यह आउटपुट पुष्टि करता है कि Docker ने सफलतापूर्वक इमेज पुल की, नया कंटेनर बनाया, और उसके अंदर का कोड निष्पादित किया।

चरण 4: अपनी पहली Docker इमेज बनाएं

इस चरण में, आप एक सरल डेटा साइंस प्रोजेक्ट के लिए कस्टम Docker इमेज बनाएँगे। इस इमेज में Python और आम डेटा साइंस लाइब्रेरीज़ जैसे pandas, NumPy, और scikit-learn शामिल होंगे।

1. नया डायरेक्टरी बनाएं:

• • अपने प्रोजेक्ट के लिए एक नया डायरेक्टरी बनाएँ और उसमें जाएँ:

mkdir my-data-science-app
cd my-data-science-appसंचालित द्वारा

2. एक Dockerfile बनाएँ:

इस डायरेक्टरी के अंदर, Dockerfile नामक एक फ़ाइल बनाएँ (कोई एक्सटेंशन न दें):

# Use an official Python runtime as a parent image
FROM python:3.8-slim
 
# Set the working directory in the container
WORKDIR /app
 
# Copy the current directory contents into the container at /app
COPY . /app
 
# Install any needed packages specified in requirements.txt
RUN pip install --no-cache-dir -r requirements.txt
 
# Make port 8888 available to the world outside this container
EXPOSE 8888
 
# Run a Jupyter notebook server when the container launches
CMD ["jupyter", "notebook", "--ip=0.0.0.0", "--port=8888", "--no-browser", "--allow-root"]संचालित द्वारा

Dockerfile यह करता है:

• FROM python:3.8-slim: यह बेस इमेज को Python 3.8 (slim वेरिएंट) पर सेट करता है, जो एक न्यूनतम Python वर्ज़न है और हल्के डेटा साइंस वातावरण के लिए उपयुक्त है।
• WORKDIR /app: यह कंटेनर के अंदर वर्किंग डायरेक्टरी को /app पर सेट करता है। सभी आगे के कमांड इसी डायरेक्टरी में चलेंगे।
• COPY . /app: यह होस्ट मशीन के आपके वर्तमान डायरेक्टरी की सभी फाइलें कंटेनर के /app में कॉपी करता है। इसमें आमतौर पर आपके डेटा साइंस स्क्रिप्ट और कॉन्फ़िगरेशन फाइलें शामिल होती हैं।
• RUN pip install --no-cache-dir -r requirements.txt: यह requirements.txt में सूचीबद्ध Python लाइब्रेरीज़ इंस्टॉल करता है। डेटा साइंस के लिए सामान्य लाइब्रेरीज़ में pandas, NumPy, और scikit-learn शामिल हैं।
• EXPOSE 8888: यह होस्ट मशीन के लिए पोर्ट 8888 उपलब्ध कराता है, जो Jupyter notebooks का डिफ़ॉल्ट पोर्ट है।
• CMD ["jupyter", "notebook", "--ip=0.0.0.0", "--port=8888", "--no-browser", "--allow-root"]: यह कमांड कंटेनर शुरू होने पर Jupyter notebook सर्वर लॉन्च करता है, ताकि आप इसे अपने वेब ब्राउज़र से एक्सेस कर सकें।

3. requirements.txt फ़ाइल बनाएँ:

उसी डायरेक्टरी में, requirements.txt फ़ाइल बनाएँ और अपनी एप्लिकेशन की ज़रूरत के Python पैकेज सूचीबद्ध करें:

pandas
numpy
scikit-learn
matplotlibसंचालित द्वारा

यह फ़ाइल उन Python लाइब्रेरीज़ की सूची देती है जो आपके Docker कंटेनर के अंदर इंस्टॉल होंगी।

4. Docker इमेज बनाएं:

• Dockerfile और requirements.txt तैयार होने पर, अपनी Docker इमेज निम्न कमांड से बनाएं:

sudo docker build -t my-data-science-app .संचालित द्वारा

उपरोक्त कमांड यह करता है:

• docker build: Docker इमेज बनाने की प्रक्रिया शुरू करता है।
• -t my-data-science-app: -t विकल्प इमेज को “my-data-science-app” के रूप में टैग करता है।
• .: अंत में लगा डॉट बिल्ड कॉन्टेक्स्ट को दर्शाता है, जो वर्तमान डायरेक्टरी है। Docker इस डायरेक्टरी की फाइलों का उपयोग इमेज बनाने के लिए करेगा।

5. Docker इमेज चलाएँ:

बिल्ड प्रक्रिया पूरी होने के बाद, आप अपनी नई Docker इमेज को कंटेनर के रूप में चला सकते हैं:

sudo docker run -p 8888:8888 my-data-science-appसंचालित द्वारा

कमांड को समझते हैं:

• docker run: निर्दिष्ट इमेज के आधार पर एक कंटेनर चलाता है।
• -p 8888:8888: -p विकल्प आपके लोकल मशीन के पोर्ट 8888 को कंटेनर के अंदर पोर्ट 8888 से मैप करता है, ताकि आप ब्राउज़र में localhost:8888 खोलकर Jupyter Notebook सर्वर तक पहुँच सकें।
• my-data-science-app: चलाने के लिए इमेज निर्दिष्ट करता है।

चरण 5: Docker Compose का उपयोग करें

Docker Compose बहु-कंटेनर एप्लिकेशनों को मैनेज करने के लिए एक आवश्यक टूल है। किसी डेटा साइंस प्रोजेक्ट में, आपको अलग-अलग कंपोनेंट्स के लिए अलग कंटेनरों की ज़रूरत हो सकती है, जैसे Jupyter notebook, डेटा स्टोर करने के लिए डेटाबेस, और डेटा विज़ुअलाइज़ेशन टूल।

Docker Compose आपको इन सर्विसेज़ को एक ही YAML फ़ाइल में परिभाषित करने देता है, जिससे एक ही कमांड में आपका पूरा डेटा साइंस वातावरण शुरू करना आसान हो जाता है।

1. docker-compose.yml फ़ाइल बनाएँ:

• अपने प्रोजेक्ट डायरेक्टरी में docker-compose.yml नामक फ़ाइल बनाएँ और इसमें निम्नलिखित पंक्तियाँ लिखें:

version: '3.8'
services:
  jupyter:
        image: jupyter/scipy-notebook:latest
        volumes:
        - ./notebooks:/home/joelwembo/work
        ports:
        - "8888:8888"
        environment:
        - JUPYTER_ENABLE_LAB=yes
 
  postgres:
        image: postgres:13-alpine
        environment:
        POSTGRES_USER: myuser
        POSTGRES_PASSWORD: mypassword
        POSTGRES_DB: mydatabase
        volumes:
        - postgres_data:/var/lib/postgresql/data
        ports:
        - "5432:5432"
 
  redis:
        image: redis:alpine
        ports:
        - "6379:6379"
 
volumes:
  postgres_data:
 संचालित द्वारा

आइए समझते हैं कि यह Docker Compose फ़ाइल क्या करती है:

• version: '3.8': यह Docker Compose फ़ाइल फॉर्मेट का वर्ज़न दर्शाता है। वर्ज़न 3.8 अक्सर उपयोग होता है और कई फ़ीचर्स सपोर्ट करता है।
• services:: यह सेक्शन उन विभिन्न कंटेनरों (सर्विसेज़) को परिभाषित करता है जो आपकी एप्लिकेशन बनाते हैं।
• jupyter:: यह सर्विस इंटरैक्टिव डेटा एनालिसिस के लिए आवश्यक Jupyter notebook वातावरण को दर्शाती है।
• image: jupyter/scipy-notebook:latest: यह Jupyter notebook के लिए Docker इमेज निर्दिष्ट करता है, जिसमें NumPy, pandas और matplotlib जैसी लोकप्रिय डेटा साइंस लाइब्रेरीज़ शामिल हैं।
• volumes: - ./notebooks:/home/joelwembo/work: यह आपके होस्ट मशीन के notebooks डायरेक्टरी को कंटेनर के अंदर /home/joelwembo/work पर माउंट करता है, जिससे आप अपने नोटबुक सुरक्षित रख सकें और साझा कर सकें। नोट: यह मेरा व्यक्तिगत पाथ है; आपका पाथ भिन्न होगा।
• ports: - "8888:8888": यह आपके होस्ट मशीन के पोर्ट 8888 को कंटेनर के पोर्ट 8888 से मैप करता है, जो Jupyter notebooks का डिफ़ॉल्ट पोर्ट है।
• environment: - JUPYTER_ENABLE_LAB=yes: यह JupyterLab को सक्षम करता है, जो Jupyter notebooks पर काम करने के लिए अधिक शक्तिशाली इंटरफ़ेस है।
• postgres:: यह सर्विस PostgreSQL डेटाबेस चलाती है, जिसे डेटा साइंस प्रोजेक्ट्स में बड़े डेटासेट स्टोर और मैनेज करने के लिए प्रायः उपयोग किया जाता है।
• image: postgres:13-alpine: यह PostgreSQL वर्ज़न 13 के लिए Docker इमेज निर्दिष्ट करता है, जो हल्के Alpine Linux डिस्ट्रीब्यूशन पर आधारित है।
• environment:: ये एनवायरनमेंट वेरिएबल्स डेटाबेस को यूज़र, पासवर्ड और डेटाबेस नाम के साथ कॉन्फ़िगर करते हैं।
• volumes: - postgres_data:/var/lib/postgresql/data: यह डेटाबेस डेटा को कंटेनर के बाहर बनाए रखने के लिए Docker वॉल्यूम माउंट करता है, ताकि कंटेनर बंद होने पर भी आपका डेटा सुरक्षित रहे।
• ports: - "5432:5432": यह आपके होस्ट मशीन के पोर्ट 5432 को कंटेनर के पोर्ट 5432 से मैप करता है, जो PostgreSQL का डिफ़ॉल्ट पोर्ट है।
• redis:: यह सर्विस एक Redis सर्वर चलाती है, जिसे तेज़ इन-मेमोरी डेटा स्टोर या कैश के रूप में उपयोग किया जा सकता है।
• image: redis:alpine: यह हल्के Alpine वेरिएंट का उपयोग करते हुए Redis इमेज निर्दिष्ट करता है।
• ports: - "6379:6379": यह आपके होस्ट मशीन के पोर्ट 6379 को कंटेनर के पोर्ट 6379 से मैप करता है, जो Redis का डिफ़ॉल्ट पोर्ट है।
• volumes:: यह सेक्शन नामित वॉल्यूम को परिभाषित करता है जिन्हें सर्विसेज़ के बीच साझा किया जा सकता है या कंटेनर रीस्टार्ट के बीच डेटा को स्थायी रखने के लिए इस्तेमाल किया जा सकता है।
• postgres_data:: यह PostgreSQL डेटा को स्थायी रखने के लिए एक नामित वॉल्यूम बनाता है।

अपना मल्टी-कंटेनर एप्लिकेशन शुरू करने के लिए, बस निम्न कमांड चलाएँ:

sudo docker compose upसंचालित द्वारा

यह कमांड (आवश्यक होने पर) इमेज बनाता है और आपके docker-compose.yml में परिभाषित कंटेनरों को शुरू करता है। यह वेब एप्लिकेशन और Redis सर्विस दोनों को ऊपर लाता है, जिससे वे परिभाषित तरीके से एक-दूसरे से संचार कर सकें।

अब आपने अपनी पहली Docker एप्लिकेशन डिप्लॉय कर ली है! बढ़िया है न? अब, आपकी निरंतर सीखने के लिए एक योजना बनाते हैं।

Docker के लिए एक उदाहरण सीखने की योजना

यहाँ सप्ताह-दर-सप्ताह योजना दी गई है जिसे आप फ़ॉलो कर सकते हैं। अपनी विशिष्ट ज़रूरतों के अनुसार इसे अनुकूलित करने के लिए स्वतंत्र महसूस करें। 

यदि आपको अधिक परिभाषित पाथ चाहिए, तो Containerization and Virtualization with Docker and Kubernetes स्किल ट्रैक आपके लिए उपयुक्त है। इसमें चार आवश्यक कोर्स शामिल हैं।

सप्ताह 1: Docker की बुनियादी बातों से परिचित हों

• उद्देश्य: Docker की मुख्य अवधारणाएँ और बुनियादी कमांड समझना।
• कार्य:
• Docker इंस्टॉल करें और Docker Desktop सेटअप करें।
• Docker कमांड सीखें: docker run, docker ps, docker stop, docker rm, आदि।
• Ubuntu या Alpine जैसे डेटा एक्सप्लोरेशन टूल्स के सरल कंटेनर चलाएँ और बुनियादी कमांड आज़माएँ।
• आधिकारिक Docker इमेज देखें और बुनियादी विज़ुअलाइज़ेशन टूल्स (जैसे, सरल matplotlib कंटेनर) के कंटेनर चलाएँ।
• संसाधन: Containerization and Virtualization Concepts कोर्स, Introduction to Docker कोर्स।

सप्ताह 2: डेटा टूल्स के लिए Docker इमेज बनाएँ और चलाएँ

• उद्देश्य: कस्टम Docker इमेज बनाना और मैनेज करना सीखें।
• कार्य:
• बेसिक डेटा विश्लेषण वातावरण (उदा., Pandas और NumPy के साथ Python) के लिए Dockerfile लिखें।
• docker build का उपयोग करके Docker इमेज बनाएं।
• अपनी कस्टम इमेज से कंटेनर चलाएँ और Jupyter Notebook जैसे डेटा टूल्स को टेस्ट करें।
• TensorFlow और PostgreSQL के लिए Dockerfiles बनाएँ, उचित कॉन्फ़िगरेशन और लिंकिंग सुनिश्चित करें।
• संसाधन: Introduction to Docker कोर्स।

सप्ताह 3: Docker Compose एक्सप्लोर करें

• उद्देश्य: बहु-कंटेनर सेटअप के लिए Docker Compose को समझें और उपयोग करें।
• कार्य:
• Docker Compose इंस्टॉल करें और इसकी बुनियादी बातें सीखें।
• docker-compose.yml फाइलें लिखें और बहु-कंटेनर एप्लिकेशन परिभाषित करें।
• उदाहरणों के साथ अभ्यास करें, जैसे बैकएंड डेटाबेस के साथ एक वेब एप्लिकेशन सेटअप करना (उदा., PostgreSQL के साथ Flask ऐप)।
• विभिन्न कॉन्फ़िगरेशन और सर्विस डिपेंडेंसीज़ के साथ प्रयोग करें।
• संसाधन: Intermediate Docker कोर्स।

सप्ताह 4: Docker नेटवर्किंग और वॉल्यूम में गहराई से जाएँ

• उद्देश्य: Docker की नेटवर्किंग और स्टोरेज क्षमताओं में महारत हासिल करना।
• कार्य:
• Docker नेटवर्क के बारे में जानें और उन्हें कैसे बनाया जाता है (bridge, host, overlay)।
• कस्टम नेटवर्क बनाना और कंटेनरों को उनसे जोड़ना अभ्यास करें।
• स्थायी स्टोरेज के लिए Docker वॉल्यूम एक्सप्लोर करें और उन्हें बनाना व प्रबंधित करना अभ्यास करें।
• ऐसा सेटअप लागू करें जहां कंटेनर कस्टम नेटवर्क पर संचार करें और डेटा परसिस्टेंस के लिए वॉल्यूम का उपयोग करें।
• संसाधन: Intermediate Docker कोर्स।

सप्ताह 5: प्रोडक्शन में Docker कंटेनरों को डिप्लॉय और मैनेज करें

• उद्देश्य: प्रोडक्शन में कंटेनरों की डिप्लॉयमेंट और मैनेजमेंट को समझना।
• कार्य:
• Docker कंटेनर डिप्लॉय करने के श्रेष्ठ तरीक़े सीखें (उदा., Docker Hub या निजी रजिस्ट्री का उपयोग)।
• Docker Swarm के साथ कंटेनर ऑर्केस्ट्रेशन एक्सप्लोर करें: सर्विसेज़ बनाना और प्रबंधित करना।
• कंटेनरों को स्केल करना और लॉग्स मैनेज करना समझें।
• स्टेजिंग या प्रोडक्शन वातावरण में एक कंटेनराइज़्ड एप्लिकेशन डिप्लॉय करने का प्रयोग करें।
• संसाधन: Intermediate Docker कोर्स।

सप्ताह 6: कंटेनर ऑर्केस्ट्रेशन के लिए Kubernetes का परिचय

• उद्देश्य: कंटेनराइज़्ड एप्लिकेशनों को स्केल और मैनेज करने के लिए Kubernetes से परिचित होना।
• कार्य:
• लोकल Kubernetes वातावरण इंस्टॉल और सेटअप करें (उदा., Minikube या Kind)।
• Kubernetes की बुनियाद सीखें: pods, services, deployments, और namespaces।
• Kubernetes पर एक सरल कंटेनराइज़्ड एप्लिकेशन डिप्लॉय करें।
• Kubernetes के साथ एप्लिकेशनों को स्केल और मैनेज करना एक्सप्लोर करें, खासकर Jupyter जैसे कंटेनराइज़्ड डेटा टूल पर ध्यान देते हुए।
• संसाधन: Introduction to Kubernetes कोर्स।

Docker सीखने के टिप्स और तरीके

अंत में, यहाँ कुछ टिप्स और सर्वोत्तम प्रक्रियाएँ हैं जो आपकी Docker सीखने की राह को तेज़ करने में मदद करेंगी।

नियमित अभ्यास करें

Docker में महारत हासिल करने की कुंजी नियमित, हाथों-हाथ अभ्यास है। व्यक्तिगत प्रोजेक्ट्स से शुरू करें, जैसे किसी सरल वेबसाइट को कंटेनराइज़ करना या लोकल डेवलपमेंट वातावरण सेट करना। 

जैसे-जैसे आप सहज होते जाएँ, खुद को और जटिल कार्यों से चुनौती दें, जैसे बहु-कंटेनर एप्लिकेशन बनाना या वेब सर्वर डिप्लॉय करना। 

विभिन्न उपयोग मामलों के साथ नियमित प्रयोग—जैसे कस्टम Docker इमेज बनाना या एक CI/CD पाइपलाइन कॉन्फ़िगर करना—आपकी समझ को गहरा करेगा और मुख्य अवधारणाओं को पुख्ता करेगा। इसके अलावा, ऑनलाइन Docker चुनौतियों या अभ्यासों में भाग लेना एक संरचित, लक्ष्य-उन्मुख तरीके से अपने कौशल को परखने और बढ़ाने का बेहतरीन तरीका है।

ऑनलाइन संसाधनों का उपयोग करें

ऑनलाइन संसाधन Docker सीखने के लिए अनमोल हैं। आधिकारिक Docker दस्तावेज़ शुरू करने के लिए उत्कृष्ट जगह है, जो प्रामाणिक और अद्यतन जानकारी प्रदान करता है। 

इसके अलावा, DataCamp जैसे प्लेटफ़ॉर्म पर व्यापक कोर्स बड़ी संख्या में उपलब्ध हैं, जो सीखने की प्रक्रिया में आपका मार्गदर्शन कर सकते हैं। 

जो लोग दृश्यात्मक सीखना पसंद करते हैं, उनके लिए Docker के आधिकारिक चैनल और अन्य शिक्षकों के YouTube ट्यूटोरियल उपयोगी, सुलभ सामग्री प्रदान करते हैं, जो आपकी समझ को मजबूत करते हैं।

Docker समुदाय से जुड़ें

Docker समुदाय से जुड़ना आपके सीखने को आगे बढ़ाने का एक और प्रभावी तरीका है। Docker Community Forums और Reddit जैसे फ़ोरम में भाग लें, विचारों का आदान-प्रदान करें, प्रश्न पूछें, और अन्य शिक्षार्थियों व पेशेवरों के साथ अनुभव साझा करें। 

Docker मीटअप्स, वेबिनार, या कॉन्फ्रेंस में भाग लेना भी उद्योग रुझानों से अवगत रहने और अपना नेटवर्क विस्तृत करने का बढ़िया तरीका है।

ओपन-सोर्स प्रोजेक्ट्स पर काम करें

ऐसे ओपन-सोर्स प्रोजेक्ट्स में योगदान देना जो Docker का उपयोग करते हैं, व्यावहारिक, वास्तविक दुनिया का अनुभव हासिल करने का शानदार तरीका हो सकता है। 

GitHub जैसी वेबसाइटें Docker-संबंधित प्रोजेक्ट्स पर सहयोग करने के अवसर प्रदान करती हैं, जिससे आप दूसरों से सीख सकते हैं और विविध संदर्भों में अपने कौशल लागू कर सकते हैं। ओपन-सोर्स कार्य में निहित सहयोग आपको विभिन्न दृष्टिकोणों और समाधानों से परिचित कराता है, जो Docker की क्षमताओं की गहरी समझ विकसित करता है।

अपडेटेड रहें

अंत में, Docker के नवीनतम विकास के साथ अपडेटेड रहना दक्षता बनाए रखने के लिए आवश्यक है। नई सुविधाओं या परिवर्तनों पर अपडेट के लिए Docker के आधिकारिक ब्लॉग और रिलीज़ नोट्स पर नज़र रखें। फ़ोरम और सोशल मीडिया पर सामुदायिक चर्चाओं में शामिल होने से भी आपको उभरते रुझानों और सर्वोत्तम प्रथाओं की जानकारी मिलती रहेगी, जिससे आप अपने Docker कौशल को लगातार निखार सकें।

नियमित अभ्यास, सक्रिय सामुदायिक भागीदारी, और सतत सीखने के साथ, आप Docker में मजबूत नींव बनाएँगे और इस क्षेत्र के नवीनतम विकासों को संभालने के लिए तैयार रहेंगे।

निष्कर्ष

Docker ने एप्लिकेशन और उनके डिपेंडेंसीज़ को पृथक कंटेनरों में पैक करके एप्लिकेशन डिप्लॉयमेंट और डेटा मैनेजमेंट में क्रांति ला दी है। यह वातावरण की असंगतियों जैसी आम चुनौतियों को सुलझाता है और डेटा प्रोफेशनल्स के लिए वर्कफ़्लोज़ को एकसमान, स्केलेबल और कुशल बनाता है।

इस गाइड ने Docker में महारत हासिल करने के लिए बुनियादी कदम प्रदान किए हैं—मुख्य अवधारणाओं से लेकर हाथों-हाथ डिप्लॉयमेंट तक। अपने ज्ञान को और गहरा करने के लिए, Introduction to Docker और Intermediate Docker जैसे अतिरिक्त संसाधनों को DataCamp पर एक्सप्लोर करें। जैसे-जैसे आप आगे बढ़ते हैं, Kubernetes जैसे ऑर्केस्ट्रेशन टूल्स के साथ अपनी स्किल्स का विस्तार करना भी उतना ही महत्वपूर्ण है—शुरू करने के लिए Introduction to Kubernetes कोर्स देखें।

नियमित अभ्यास, उपलब्ध संसाधनों का उपयोग, और समुदाय से जुड़े रहना—ये सब मिलकर जटिल डेटा वातावरणों को मैनेज करने के लिए Docker की पूरी क्षमता को अनलॉक करेंगे।