【发布时间】：2018-11-21 14:43:32
【问题描述】：
我想运行一个相当大的 docker 映像（~6 GB）。我可以使用 Google Cloud Platform cloudshell 从配置文件创建 docker 图像
gcloud builds submit --timeout=36000 --tag gcr.io/docker-ml-dl-xxxx/docker-anaconda-env-ml-dl
这工作得很好，我可以看到构建成功
https://console.cloud.google.com/cloud-build/
我也可以在Registry Container看到我的图片：
https://console.cloud.google.com/gcr/images/docker-ml-dl-xxxxx
到目前为止一切顺利。问题是当我尝试从cloudshell 运行此图像时：
xxxxx@cloudshell:~ (docker-ml-dl-xxxxx)$ docker run gcr.io/docker-ml-dl-xxxxx/docker-anaconda-env-ml-dl
Unable to find image 'gcr.io/docker-ml-dl-xxxx/docker-anaconda-env-ml-dl:latest' locally
latest: Pulling from docker-ml-dl-xxxx/docker-anaconda-env-ml-dl
993c50d47469: Pull complete
c71c2bfd82ad: Pull complete
05fbbe050330: Pull complete
5586ce1e5329: Pull complete
1faf1ec50c57: Pull complete
fda25b84aec7: Pull complete
b5b4ca70f42c: Extracting [=======================> ] 708MB/1.522GB
0088935a1845: Download complete
36f80eb6aa84: Download complete
b08b38d2d4a3: Download complete
5ae3364fe2cf: Download complete
25da48fc753b: Downloading [==================================================>] 5.857GB/5.857GB
302cfeb76ade: Download complete
1f6d69ed4c84: Download complete
58c798a01f92: Download complete
docker: write /var/lib/docker/tmp/GetImageBlob997013344: no space left on device.
See 'docker run --help'.
好的，所以我的 docker 映像太大了，无法从 cloudshell 运行。
它是否正确 ？
其他/最好的选择是什么？ （为了 100% 我可以在我的 Mac 上运行 docker 镜像）
- 创建自定义虚拟机
- 具有 10 GB 存储空间
- 在此 VM 上安装所需的所有软件：docker gcloud ...
我需要开发和运行机器学习和深度学习代码（这是探索阶段，而不是 Kubernetes 的部署阶段）。
这是云上最好的作品吗？
【问题讨论】：
-
6GB 对于一个 docker 镜像来说实在是太大了。它真的需要那么大吗？
-
问题与
machine-learning无关 - 请不要向标签发送垃圾邮件（已删除）。 -
是的，这是巨大的。我有一个带有很多包和配置文件（spacy，nltk）的acaconda env。显然这需要优化，但这不是目前的问题。是的，这不是 ML 主题，但我想知道在云上进行 ML 探索工作的最佳方式。重点是 ML，而不是 300 MB RedHat docker 映像上的开发人员。这就是我添加标签的原因，但这并不好。感谢您的清理。
-
Cloud Shell 为您提供 5 GB 的总磁盘空间。为什么要尝试在 Cloud Shell 中运行容器？
-
您对开发需要 Anaconda python 环境的 DL NLP 代码有什么建议，其中包括许多 ML 包，如 Tensorflow Keras、SHAP、LIME（而且似乎只有几 GB，不要问我为什么，我也在研究它）以及数据存储在 BigQuery (200 GB) 中的原因。我不是在谈论在生产中运行代码。我是云上的新手。我知道如何在 Hadoop 数据湖上做到这一点。期待最佳实践和建议。
标签： docker google-cloud-platform gcloud