Docker’ı Sıfırdan Nasıl Öğrenirsiniz: Veri Profesyonelleri için Rehber

Adım 3: İlk konteynerinizi çalıştırın

Docker kurulduğuna göre, ilk konteynerinizi çalıştırma zamanı. Başlangıç için yeni başlayanlara mükemmel uyan basit hello-world imajıyla başlayacağız.

1. Terminalinizi (veya Windows’ta Komut İstemi’ni) açın ve şu komutu çalıştırın:

sudo docker run hello-world

Bu komut, Docker’a hello-world imajını yerelde aramasını söyler. Bulamazsa Docker, imajı Docker Hub’dan çeker ve ardından çalıştırır.

Docker doğru kurulduysa “Hello from Docker!” mesajıyla birlikte Docker sürecinin nasıl işlediğine dair ayrıntılar görürsünüz. Bu çıktı, Docker’ın imajı başarıyla çektiğini, yeni bir konteyner oluşturduğunu ve içindeki kodu çalıştırdığını doğrular.

Adım 4: İlk Docker imajınızı oluşturun

Bu adımda, basit bir veri bilimi projesi için özel bir Docker imajı oluşturacaksınız. Bu imaj, Python ve pandas, NumPy ve scikit-learn gibi yaygın veri bilimi kütüphanelerini içerecek.

1. Yeni bir dizin oluşturun:

• • Projeleriniz için yeni bir dizin oluşturarak başlayın ve içine gidin:

mkdir my-data-science-app
cd my-data-science-app

2. Bir Dockerfile oluşturun:

Bu dizin içinde, Dockerfile adlı bir dosya oluşturun (dosya uzantısı olmadan):

# 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"]

Dockerfile şunları yapar:

• FROM python:3.8-slim: Taban imajı olarak Python 3.8’in “slim” varyantını ayarlar; bu, hafif bir veri bilimi ortamı için ideal minimal bir Python sürümüdür.
• WORKDIR /app: Konteyner içinde çalışma dizinini /app olarak ayarlar. Sonraki tüm komutlar bu dizinde yürütülür.
• COPY . /app: Ana makinenizdeki mevcut dizindeki tüm dosyaları kopyalayıp konteyner içindeki /app dizinine koyar. Bu genellikle veri bilimi betiklerinizi ve yapılandırma dosyalarınızı içerir.
• RUN pip install --no-cache-dir -r requirements.txt: requirements.txt’te listelenen Python kütüphanelerini kurar. Veri bilimi için yaygın kütüphaneler arasında pandas, NumPy ve scikit-learn bulunur.
• EXPOSE 8888: Jupyter not defterlerinin varsayılan bağlantı noktası olan 8888’i ana makineye açar.
• CMD ["jupyter", "notebook", "--ip=0.0.0.0", "--port=8888", "--no-browser", "--allow-root"]: Konteyner başlatıldığında bir Jupyter not defteri sunucusu açar ve web tarayıcınızdan erişilebilir hale getirir.

3. Bir requirements.txt dosyası oluşturun:

Aynı dizinde, uygulamanızın ihtiyaç duyduğu Python paketlerini listelemek için bir requirements.txt dosyası oluşturun:

pandas
numpy
scikit-learn
matplotlib

Bu dosya, Docker konteynerinizin içinde kurulacak Python kütüphanelerini listeler.

4. Docker imajını oluşturun:

• Dockerfile ve requirements.txt hazır olduğunda, Docker imajınızı şu komutla oluşturun:

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

Yukarıdaki komut şunları yapar:

• docker build: Bir Docker imajı oluşturma sürecini başlatır.
• -t my-data-science-app: -t seçeneği imajı “my-data-science-app” etiketiyle etiketler.
• .: Sondaki nokta, derleme bağlamının mevcut dizin olduğunu belirtir. Docker, imajı oluşturmak için bu dizindeki dosyaları kullanır.

5. Docker imajını çalıştırın:

Derleme işlemi tamamlandığında, yeni Docker imajınızı bir konteyner olarak çalıştırabilirsiniz:

sudo docker run -p 8888:8888 my-data-science-app

Komutu parçalayalım:

• docker run: Belirtilen imaja dayalı bir konteyner çalıştırır.
• -p 8888:8888: -p seçeneği, yerel makinenizdeki 8888 bağlantı noktasını konteyner içindeki 8888’e eşler; böylece web tarayıcınızda localhost:8888 adresine giderek Jupyter Notebook sunucusuna erişebilirsiniz.
• my-data-science-app: Çalıştırılacak imajı belirtir.

Adım 5: Docker Compose kullanın

Docker Compose, çoklu konteynerli uygulamaları yönetmek için vazgeçilmez bir araçtır. Bir veri bilimi projesinde, Jupyter not defteri, verileri depolamak için bir veritabanı ve bir veri görselleştirme aracı gibi farklı bileşenler için ayrı konteynerlere ihtiyaç duyabilirsiniz.

Docker Compose, bu servisleri tek bir YAML dosyasında tanımlamanıza olanak tanır; böylece tek bir komutla tüm veri bilimi ortamınızı ayağa kaldırabilirsiniz.

1. Bir docker-compose.yml dosyası oluşturun:

• Proje dizininizde docker-compose.yml adlı bir dosya oluşturun ve dosyaya aşağıdaki satırları yazın:

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:
 

Docker Compose dosyasının yaptıklarını açıklayalım:

• version: '3.8': Docker Compose dosya formatının sürümünü belirtir. 3.8, pek çok özelliği destekleyen yaygın bir sürümdür.
• services:: Bu bölüm, uygulamanızı oluşturan farklı konteynerleri (servisler) tanımlar.
• jupyter:: Etkileşimli veri analizi için temel bir Jupyter not defteri ortamını temsil eder.
• image: jupyter/scipy-notebook:latest: NumPy, pandas ve matplotlib gibi popüler veri bilimi kütüphanelerini içeren Jupyter not defteri imajını belirtir.
• volumes: - ./notebooks:/home/joelwembo/work: Ana makinenizdeki notebooks dizinini konteyner içinde /home/joelwembo/work konumuna bağlar; bu sayede not defterlerinizi kalıcı kılabilir ve paylaşabilirsiniz. Not: Bu benim kişisel yolumdur; sizinkinin farklı olması gerekir.
• ports: - "8888:8888": Ana makinenizdeki 8888 bağlantı noktasını konteynerdeki 8888’e eşler; bu, Jupyter not defterlerinin varsayılan bağlantı noktasıdır.
• environment: - JUPYTER_ENABLE_LAB=yes: JupyterLab’i etkinleştirir; Jupyter ile çalışmak için daha güçlü bir arayüzdür.
• postgres:: Veri bilimi projelerinde büyük veri kümelerini depolamak ve yönetmek için sıkça kullanılan bir PostgreSQL veritabanını çalıştırır.
• image: postgres:13-alpine: Hafif Alpine Linux dağıtımını temel alan PostgreSQL 13 imajını belirtir.
• environment:: Veritabanını bir kullanıcı, parola ve veritabanı adıyla yapılandıran ortam değişkenleridir.
• volumes: - postgres_data:/var/lib/postgresql/data: Veritabanı verilerini konteyner dışında kalıcı kılmak için bir Docker volümünü bağlar; böylece konteyner durdurulduğunda verileriniz kaybolmaz.
• ports: - "5432:5432": Ana makinenizdeki 5432’yi konteynerdeki 5432’ye eşler; bu PostgreSQL’in varsayılan bağlantı noktasıdır.
• redis:: Hızlı bir bellek içi veri deposu veya önbellek olarak kullanılabilen bir Redis sunucusu çalıştırır.
• image: redis:alpine: Hafif Alpine varyantını kullanan Redis imajını belirtir.
• ports: - "6379:6379": Ana makinedeki 6379’u konteynerdeki 6379’a eşler; bu Redis’in varsayılan bağlantı noktasıdır.
• volumes:: Servisler arasında paylaşılabilen veya konteyner yeniden başlatmaları arasında verileri kalıcı kılan adlandırılmış volümleri tanımlar.
• postgres_data:: PostgreSQL verilerini kalıcı kılmak için adlandırılmış bir volüm oluşturur.

Çoklu konteynerli uygulamanızı başlatmak için şu komutu çalıştırmanız yeterlidir:

sudo docker compose up

Bu komut, (gerekirse) imajları oluşturur ve docker-compose.yml dosyanızda tanımlanan konteynerleri başlatır. Hem web uygulamasını hem de Redis servisinin belirtilen şekilde birbiriyle iletişim kurmasını sağlar.

Artık ilk Docker uygulamanızı dağıttınız! Harika değil mi? Şimdi sürekli öğreniminiz için bir planı detaylandıralım.

Docker için Örnek Bir Öğrenme Planı

İzleyebileceğiniz hafta hafta bir plan burada. Kendi ihtiyaçlarınıza göre uyarlamaktan çekinmeyin. 

Daha belirgin bir yol isterseniz, Docker ve Kubernetes ile Konteynerleştirme ve Sanallaştırma yetenek yolculuğu tam size göre. Dört temel kurs içerir.

1. Hafta: Docker’ın temellerine aşina olun

• Amaç: Docker’ın temel kavramlarını ve temel komutlarını anlamak.
• Görevler:
• Docker’ı kurun ve Docker Desktop’ı ayarlayın.
• Docker komutlarını öğrenin: docker run, docker ps, docker stop, docker rm vb.
• Ubuntu veya Alpine gibi veri keşfi araçları için basit konteynerler çalıştırın ve temel komutları deneyin.
• Resmi Docker imajlarını keşfedin ve temel görselleştirme araçları için konteynerler çalıştırın (ör. basit bir matplotlib konteyneri).
• Kaynaklar: Containerization and Virtualization Concepts kursu, Introduction to Docker kursu.

2. Hafta: Veri araçları için Docker imajları oluşturup çalıştırın

• Amaç: Özel Docker imajları oluşturmayı ve yönetmeyi öğrenmek.
• Görevler:
• Temel bir veri analizi ortamı için (örn. Pandas ve NumPy ile Python) bir Dockerfile yazın.
• Docker imajını docker build ile oluşturun.
• Özel imajınızdan konteynerler çalıştırın ve Jupyter Notebook gibi veri araçlarını test edin.
• TensorFlow ve PostgreSQL için Dockerfile’lar oluşturun; doğru yapılandırma ve bağlantıyı sağlayın.
• Kaynaklar: Introduction to Docker kursu.

3. Hafta: Docker Compose’u keşfedin

• Amaç: Çoklu konteyner kurulumları için Docker Compose’u anlamak ve kullanmak.
• Görevler:
• Docker Compose’u kurun ve temellerini öğrenin.
• docker-compose.yml dosyaları yazarak çoklu konteynerli uygulamaları tanımlayın.
• Arka uç veritabanına sahip bir web uygulaması kurma (örn. PostgreSQL ile bir Flask uygulaması) gibi örneklerle pratik yapın.
• Farklı yapılandırmalar ve servis bağımlılıklarıyla deneyler yapın.
• Kaynaklar: Intermediate Docker kursu.

4. Hafta: Docker ağları ve volümlerine daha derin dalın

• Amaç: Docker’ın ağ ve depolama yeteneklerinde ustalaşmak.
• Görevler:
• Docker ağlarını ve (bridge, host, overlay) nasıl oluşturulacağını öğrenin.
• Özel ağlar oluşturma ve konteynerleri bu ağlara bağlama pratiği yapın.
• Kalıcı depolama için Docker volümlerini keşfedin; oluşturma ve yönetme pratiği yapın.
• Konteynerlerin özel bir ağ üzerinden iletişim kurduğu ve verilerin kalıcılık için volümler kullandığı bir kurulum uygulayın.
• Kaynaklar: Intermediate Docker kursu.

5. Hafta: Docker konteynerlerini üretimde dağıtın ve yönetin

• Amaç: Üretimde konteyner dağıtımını ve yönetimini anlamak.
• Görevler:
• Docker konteynerlerini dağıtma için en iyi uygulamaları öğrenin (örn. Docker Hub veya özel bir kayıt defteri kullanmak).
• Docker Swarm ile konteyner orkestrasyonunu keşfedin: servisler oluşturma ve yönetme.
• Konteynerleri ölçeklendirmeyi ve günlükleri yönetmeyi anlayın.
• Aşama veya üretim ortamına konteynerleştirilmiş bir uygulama dağıtmayı deneyin.
• Kaynaklar: Intermediate Docker kursu.

6. Hafta: Konteyner orkestrasyonu için Kubernetes’e giriş

• Amaç: Konteynerleştirilmiş uygulamaları ölçeklemek ve yönetmek için Kubernetes ile tanışmak.
• Görevler:
• Yerel bir Kubernetes ortamı kurun (örn. Minikube veya Kind).
• Kubernetes temellerini öğrenin: pod’lar, servisler, deployment’lar ve isim alanları.
• Kubernetes üzerinde basit bir konteynerleştirilmiş uygulama dağıtın.
• Jupyter gibi konteynerleştirilmiş bir veri aracına odaklanarak Kubernetes ile uygulamaları ölçeklemeyi ve yönetmeyi keşfedin.
• Kaynaklar: Introduction to Kubernetes kursu.

Docker Öğrenmek için İpuçları ve Yöntemler

Son olarak, Docker öğrenme yolunuzu hızlandırmanıza yardımcı olacak bazı ipuçları ve en iyi uygulamalar:

Düzenli pratik yapın

Docker’da ustalaşmanın anahtarı tutarlı ve uygulamalı pratiktir. Basit bir web sitesini konteynerleştirmek veya yerel bir geliştirme ortamı kurmak gibi kişisel projelerle başlayın. 

Rahatlık seviyeniz arttıkça, çoklu konteynerli bir uygulama oluşturmak veya bir web sunucusu dağıtmak gibi daha karmaşık görevlerle kendinizi zorlayın. 

Farklı kullanım senaryolarıyla düzenli denemeler yapmak—örneğin özel Docker imajları oluşturmak veya bir CI/CD hattı yapılandırmak—anlayışınızı derinleştirir ve temel kavramları pekiştirir. Ayrıca çevrimiçi Docker meydan okumalarına veya alıştırmalarına katılmak, becerilerinizi yapılandırılmış ve hedef odaklı bir şekilde test edip geliştirmenin harika bir yoludur.

Çevrimiçi kaynakları kullanın

Çevrimiçi kaynaklar, Docker öğrenmek için çok değerlidir. Resmi Docker dokümantasyonu güncel ve güvenilir bilgiler sunan mükemmel bir başlangıç noktasıdır. 

Buna ek olarak, öğrenme sürecinde size rehberlik edebilecek DataCamp gibi platformlarda kapsamlı kurslar mevcuttur. 

Görsel öğrenmeyi tercih edenler için, Docker’ın resmi kanalından ve diğer eğitmenlerden YouTube eğitimleri, anlayışınızı pekiştirmek için kullanışlı ve erişilebilir içerikler sunar.

Docker topluluğuna katılın

Docker topluluğuyla etkileşim, öğrenmenizi ilerletmenin bir başka güçlü yoludur. Fikir alışverişi yapmak, soru sormak ve diğer öğrenenler ve profesyonellerle deneyim paylaşmak için Docker Community Forums ve Reddit gibi forumlara katılın. 

Docker buluşmalarına, web seminerlerine veya konferanslara katılmak da sektördeki trendleri takip etmek ve ağınızı genişletmek için harika bir yoldur.

Açık kaynak projelerde çalışın

Docker kullanan açık kaynak projelere katkıda bulunmak, pratik ve gerçek dünya deneyimi kazanmanın harika bir yoludur. 

GitHub gibi siteler, Docker ile ilgili projelerde iş birliği yapma fırsatları sunar; böylece başkalarından öğrenebilir ve becerilerinizi farklı bağlamlarda uygulayabilirsiniz. Açık kaynak çalışmanın doğası gereği iş birliği, farklı yaklaşımlara ve çözümlere maruz kalmanıza yardımcı olur ve Docker’ın yeteneklerine dair daha derin bir anlayış geliştirmenizi sağlar.

Güncel kalın

Son olarak, Docker’daki en son gelişmeleri takip etmek yetkinliği korumak için kritik önemdedir. Yeni özellikler veya değişikliklerle ilgili güncellemeler için Docker’ın resmi blogunu ve sürüm notlarını takip edin. Forumlar ve sosyal medyadaki topluluk tartışmalarına katılmak da ortaya çıkan trendler ve en iyi uygulamalar hakkında bilgi sahibi olmanıza yardımcı olur; böylece Docker becerilerinizi sürekli olarak rafine edebilirsiniz.

Düzenli pratik, aktif topluluk katılımı ve sürekli öğrenmeyle Docker’da güçlü bir temel oluşturacak ve alandaki en son gelişmelerle başa çıkmaya hazır olacaksınız.

Sonuç

Docker, uygulamaları ve bağımlılıklarını yalıtılmış konteynerlere paketleyerek uygulama dağıtımını ve veri yönetimini devrimleştirdi. Bu yaklaşım, ortam tutarsızlıkları gibi yaygın sorunları çözer ve veri profesyonelleri için iş akışlarının tutarlı, ölçeklenebilir ve verimli kalmasını sağlar.

Bu rehber, temel kavramlardan uygulamalı dağıtımlara kadar Docker’da ustalaşmak için gereken temel adımları sundu. Bilginizi daha da derinleştirmek için DataCamp’teki Introduction to Docker ve Intermediate Docker kurslarını incelemeyi düşünün. İlerledikçe, Kubernetes gibi orkestrasyon araçlarıyla becerilerinizi genişletmek de aynı derecede önemlidir—başlamak için Introduction to Kubernetes kursuna göz atın.

Düzenli pratik yapmak, mevcut kaynakları kullanmak ve toplulukla etkileşimde kalmak, karmaşık veri ortamlarını yönetmek için Docker’ın tüm potansiyelini açığa çıkaracaktır.