ai-infra-course

模块 1：Linux 基础与容器技术入门 — 实验环境说明

环境要求

硬件要求

项目 最低配置 推荐配置
CPU 4 核 8 核+
内存 8 GB 16 GB+
磁盘 50 GB 可用空间 100 GB SSD
GPU 无（本模块不需要） NVIDIA GPU (可选，用于 GPU 容器演示)
网络 可访问 Docker Hub 稳定互联网连接

操作系统

Mac 环境搭建

参考: cloud-native-dev 安装脚本

# 方案 1: 使用 Colima (推荐，免费)
brew install colima docker
colima start --cpu 4 --memory 8 --disk 50
docker run --rm hello-world

# 方案 2: 使用 OrbStack (免费，体验好)
brew install orbstack
# 启动 OrbStack 后，docker 自动可用

# 对于底层实验，通过 multipass 创建 Ubuntu VM
brew install multipass
multipass launch --name linux-lab --cpus 4 --mem 8G --disk 50G
multipass shell linux-lab

软件要求

软件 版本 用途
Docker Engine ≥ 24.0 容器运行时
NVIDIA Driver ≥ 535 (可选) GPU 容器支持
NVIDIA Container Toolkit ≥ 1.14 (可选) GPU 容器支持

环境搭建步骤

步骤 1：安装 Docker Engine

# 卸载旧版本 (如存在)
sudo apt-get remove docker docker-engine docker.io containerd runc

# 安装依赖
sudo apt-get update
sudo apt-get install -y \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

# 添加 Docker 官方 GPG 密钥
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \
    sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

# 设置仓库
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \
  https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 安装 Docker Engine
sudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io \
    docker-buildx-plugin docker-compose-plugin

# 验证安装
sudo docker run --rm hello-world

# 将当前用户加入 docker 组 (免 sudo)
sudo usermod -aG docker $USER
newgrp docker

步骤 2：安装 Cgroup 工具和 stress

sudo apt-get install -y cgroup-tools stress

步骤 2.5：验证 OverlayFS 支持

# 检查内核是否支持 OverlayFS
grep -i overlay /proc/filesystems
lsmod | grep overlay

# 如果没有加载，手动加载
sudo modprobe overlay

步骤 3：(可选) 安装 NVIDIA Container Toolkit

仅当有 NVIDIA GPU 时执行：

# 添加 NVIDIA 仓库
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | \
    sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

# 配置 Docker 使用 nvidia runtime
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# 验证
sudo docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi

步骤 4：拉取必要的镜像

# 基础 Ubuntu 镜像 (用于 Linux 和 Docker 实验)
docker pull ubuntu:22.04

# CUDA 开发镜像 (如需 GPU 演示)
docker pull nvidia/cuda:12.4.0-devel-ubuntu22.04

环境验证清单

在上课前，请确认以下所有项都能通过：

# 1. Docker 正常运行
docker version

# 2. 能拉取镜像
docker pull alpine:latest

# 3. 能运行容器
docker run --rm alpine echo "Hello from Docker"

# 4. cgroup 工具可用
which cgcreate cgset cgexec
ls /sys/fs/cgroup/

# 5. OverlayFS 内核支持
grep overlay /proc/filesystems

# 6. stress 工具可用
which stress

# 7. (如有 GPU) GPU 容器可用
docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi

常见问题

Q: Docker 拉取镜像很慢

# 配置国内镜像加速器，编辑 /etc/docker/daemon.json:
{
  "registry-mirrors": [
    "https://mirror.ccs.tencentyun.com",
    "https://docker.m.daocloud.io"
  ]
}
sudo systemctl restart docker

Q: docker run 报 permission denied

# 确保用户在 docker 组中
sudo usermod -aG docker $USER
# 注销重新登录，或执行
newgrp docker

Q: GPU 容器提示 could not select device driver

# 确认 nvidia-container-toolkit 已安装
nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

Q: macOS/Windows 环境如何准备