R用户如何使用Docker

什么是Docker

Docker是“一种实现在操作系统层面的虚拟化软件，也称为容器”。这是Wikepedia的定义，对于不熟悉的人来说太晦涩难懂了。

简单说，Docker是一类程序，使得在自己的机器上（称为host）调度（启动或者停止）多个操作系统（称为容器）。假设有10台运行不同 Linux 系统的树莓派，每台都运行不同服务，实际上可以在自己的机器上启停这些树莓派设备。

为什么要在R中使用Docker

Docker可以实现在映像或者容器中内置环境，意味着可以在Macbook上运行Linux，或者在本机运行R 3.5而同时在虚机里运行R 3.3环境。同时，也意味着为某些特殊目的在虚拟环境中使用较老版本的环境包，而本机则保持最新状态。

这样可以解决“依赖性”问题，如果担心环境改变会影响最新华景，可以建立一个虚拟容器运行需要的环境，可以是Linux、R或者任何其他需要的包。

Docker映像和 Docker 容器

在机器上，需要两类东西，映像和容器。映像可以看做操作系统，而容器可以认为是映像的运行态。映像只需要运行一次，而容器则在需要时候随时启动，当然一个映像可以同时运行多个实例。

和R对比，安装和装载package类似于映像和容器，一个package只需要下载一次，但是可以运行多个实例。同样在metaphore概念上也有类比：通过install.packages()来编译映像，用library()来运行映像。

Dockerfile

Docker映像根据Dockerfile建立。Dockerfile是配置文件，其中定义了：依赖的docker映像，如何配置操作系统，运行容器时做什么。有点类似于R包中的DESCRIPTION NAMESPACE文件，其中也定义了依赖包，元信息，以及使用library调用后用户可用的函数和数据。

因此，可以为R写一个非常基础的Dockerfile文件，目的是可重复性。也就是说：假如生成了一个分析环境（例如，在一个R文件中定义），而且希望不管以后系统如何升级这个分析环境仍然可以工作。

首先，创建一个分析目录和Dockerfile:

mkdir ~/mydocker

cd ~/mydocker

touch Dockerfile

假如运行程序为位于~/mydocker目录下的myscript.R:

library(tidystringdist)

df <- tidy_comb_all(iris, Species)

p <- tidy_stringdist(df)

write.csv(p, "p.csv")

FROM

每个dockerfile都以FROM开头，定义从哪个image开始创建。网上有很多官方发布的映像，也可以从本地自己建一个开始。FROM定义了映像的依赖关系，就跟R中生成一个包需要依赖一个另外的包一样（当然一般都是依赖base包）。

如果需要一个基于R的基础包，Dirk Eddelebuettel和Carl Boettiger维护了 rocker ，这里集中了R可以使用的所有容器映像。基础包位于rocker/r-base下，我们期望映像可以重现，也就是任何时候运行都会产生同样的结果，为了达到目的，在rocker/r-ver目录下维护了3.1.0版本之前的R，这样可以运行任何日期之前的程序（感谢Dirk Eddelebuettel）。接下来我们需要查找满足R要求的映像，可以使用如下命令获得R版本：

因此，可以以如下标识开始一个Dockerfile：

RUN

到这一步，可以加入一些运行时的短指令，例如创建接收分析数据的目录：

FROM rocker/r-ver:3.4.4

RUN mkdir /home/analysis

Install our package

这条命令让R执行一些命令行，R -e "my code"，用这个模式在特定日期安装依赖脚本，可以设置“repos”到特定日期，并且使用CRAN的映像。

FROM rocker/r-ver:3.4.4

RUN mkdir /home/analysis

RUN R -e "options(repos = \

  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/2019-01-06/')); \

  install.packages('tidystringdist')"

Aside : making it more programmable with ARG

如果使用ARG参数可以修改生成时间，参数是：--build-arg WHEN=

FROM rocker/r-ver:3.4.4

ARG WHEN

RUN mkdir /home/analysis

RUN R -e "options(repos = \

  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \

  install.packages('tidystringdist')"

{tidystringdist} 将会安装我们要求日期的版本，即使我们在很久之后才执行这条命令。

COPY

现在，需要将主机上的分析脚本放到容器中，可以使用COPY localfile pathinthecontainer 方式。注意这里的myscript.R和Dockerfile要在同一个目录下：

FROM rocker/r-ver:3.4.4

ARG WHEN

RUN mkdir /home/analysis

RUN R -e "options(repos = \

  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \

  install.packages('tidystringdist')"

COPY myscript.R /home/analysis/myscript.R

CMD

CMD是每次运行docker都要运行的命令。

FROM rocker/r-ver:3.4.4

ARG WHEN

RUN mkdir /home/analysis

RUN R -e "options(repos = \

  list(CRAN = 'http://mran.revolutionanalytics.com/snapshot/${WHEN}')); \

  install.packages('tidystringdist')"

COPY myscript.R /home/analysis/myscript.R

CMD R -e "source('/home/analysis/myscript.R')"

Build 和 run

Build

我们的需求是：运行过去日期的分析工作，需要使用 --build-arg WHEN= 参数，只要在=后加入日期即可。在终端Dockerfile目录下，运行：

-t name是映像的名字，. 意味着Dockerfile在同一个目录下

run

执行命令：

分析作业即可被执行。