部署

我们采用 docker 进行程序部署，至于 docker 如何使用，不在本文的讨论范围，你可以在网上搜索丰富的教程和资料（主要是学习一些基础的概念和指令）。

我们在 core 目录下已经写好了 Dockerfile，你可以通过：

# 进入 core 文件夹
cd core 
# 构建镜像
docker build -t server .

这样会构建出一个名为 server 的 docker 镜像，这一过程大概需要 10 分钟，请耐心等待。

为了便于快速启动，在 core 目录底下有一个名为 run.sh 的脚本文件。你可以参考里面的写法，本质上做了两件事：

利用 ifconfig 指令设置 eth0 的网段，使其和机械臂处于同一网段下（192.168.1.xx）。
启动对应的容器，并在该容器中执行 /bin/bash 指令，也就是开启一个会话终端，这样你就能用命令行和这个打开的容器进行交互了。

我知道第二点比较难看懂，我来一点点解释：

id=$(sudo docker run -itd --privileged -v /home/manager/broadim/:/broadim -v /dev:/dev -v /tmp/.X11-unix:/tmp/.X11-unix:rw -e DISPLAY=$DISPLAY --network host --runtime nvidia server:latest)

首先上面这一步，如果你了解 linux 命令行的话，应该知道美元符号 + 括号的作用，这会提取括号内指令执行结果，然后通过id=这样的赋值语句赋值给变量 id。

docker run 会启动一个容器，-itd 是很常用的 flag，网上搜一下就明白了。如果你对 docker 不是很了解，你大可以将其粗略理解为一个和外界隔绝的黑匣子，我们的程序需要用到各类设备，主要是 USB 设备，在黑匣子里你是看不到外面的东西的，所以为了让黑匣子能看到、识别到 USB 设备（例如相机），就有了 -v /dev:/dev。 /dev 里面的诸多内容是 linux 非常常见的伪文件的形式，linux 通过文件的方式来提供设备文件信息读写的功能（关于这一点，如果你没有相关的操作系统知识，可以去了解，但是并不重要，也不影响后续的理解）。将 /dev 挂载到容器内的 /dev，由于容器我们也用了 linux 的系统，那么自然就能顺利成章地读到宿主机（也就是小电脑，我们习惯把容器或者虚拟机运行在的平台成为宿主机）上连接的 USB 设备了。由于涉及一些权限的问题，所以我们通过 --privileged 进行提权，让容器拥有宿主机的 root 权限，当然，这并不是一个很安全的行为，或许会有更好的方式，欢迎你来进行修改~

-v /home/manager/broadim/:/broadim 将小电脑上的 broadim（也就是我们整个项目目录）挂载到容器里，这样方便我们使用项目的各个文件和工具，同时我们只需要在宿主机上（在容器外部）使用 git pull 就能拉取最新的内容了（在小电脑上先用 git clone 拉整个项目），而不用通过 docker build 反复构建镜像。具体运行操作下文会阐述。

-v /tmp/.X11-unix:/tmp/.X11-unix:rw -e DISPLAY=$DISPLAY 这一部分是因为容器一般而言只能用命令行和它进行交互，而无法看到里面的可视化界面。这一步是在处理 xserver 相关的内容，让外部能够看到容器内可视化的内容，例如在容器内使用了 cv2.imshow，外部就能看到。如果想要做到这一点，外部记得使用

xhost +

指令开启 xserver。

--network host 这一步是在指定容器网络模式为 host，也就是共享宿主机的网络命名空间（Network Namespace）。宿主机 ip 是多少，容器 ip 就是多少，宿主机可以 ping 通 xxx.xxx.xxx.xxx，容器也可以。这又涉及到 linux 的命名空间的概念，如果你想了解可以去网上搜索，本质上它的作用就是在做隔离。默认情况下，docker 启动的容器和宿主机的网络命名空间是独立的，两者通过网桥进行交互（不同的命名空间对应不同的 ip，虽然只有一张网卡，但是却可以有多个 ip？没错，这就是虚拟化的功劳，不多赘述）我们希望使用宿主机的网络，不需要使用独立的网络命名空间，所以使用 host mode。

--runtime nvidia

用于在具有NVIDIA GPU支持的系统上运行容器时指定运行时为NVIDIA Container Runtime。 NVIDIA Container Runtime 是一种专门设计用于在GPU支持的主机上运行容器的运行时环境。它允许在容器中访问和利用主机上的NVIDIA GPU资源，从而使机器学习、深度学习等需要大量计算资源的应用能够在容器中得到加速。当你在运行Docker容器时使用docker runtime=nvidia，Docker会使用NVIDIA Container Runtime来管理容器与主机上的GPU之间的交互，从而实现GPU加速的容器化应用。这对于训练神经网络、进行数据分析和其他需要大量并行计算的任务非常有用。

那么，说到这个份上，如何启动对应的服务器 server.py 呢？对了，先说说为什么有 server.py 这东西，因为我们需要有个后端 http server 和我们的 APP 进行交互，所以就基于 Flask 开发了个后端服务。（同时我们还基于 Swagger 生成了 API 文档，你可以通过 <小电脑的ip>:5000 来访问，假如小电脑ip是 192.168.1.203，那么这个网址就是 http://192.168.1.203:5000）

言归正传，运行 run.sh 之后你就进入到容器内了，你会发现命令行前缀变了（从 manager 变成 root），然后你可以：

cd ..
cd /broadim/core
python3 server.py

请注意一定是 python3，因为 python 默认软链接（symlink）到了 python2.7，当然你可以修改一下这个软链接。。。

我们的小电脑已经开启了 ssh server，所以上述的操作你完全可以使用一些 ssh 工具远程完成，例如 xhsell，putty 等等。

疑难杂症

端口被占用？

tcp 端口只能被一个进程占用，你可以通过：

# 查看 5000 端口占用情况
netstat -anp | grep 5000

查看占用情况，5000 可以替换成别的端口。

如何关闭进程？

ps -ef | grep 进程名
kill -9 进程的 pid

如何查看 docker 容器有哪些？如何删除指定容器？

查看所有容器：

docker ps -a

删除容器

docker rm 容器ID/容器名

一行指令删除所有：

sudo docker rm -f $(sudo docker ps -a | awk '{print $1}')

各种权限问题

遇到权限不够的问题，往往会打印：Permission Denied，此时别担心，这也是 linux 安全的体现，普通用户有些事情做不了很正常，用 sudo 暂时提权到 root 即可。例如：

sudo docker ps -a

如果是一些脚本执行不了，例如之前提及的 run.sh，你可以修改文件的模式，使其能够执行：（本质上是因为这个文件是 windows 下创建的，windows 和 linux 的文件权限管理不兼容）

chmod +x run.sh

chmod 当然可以指定更细粒度权限，请自行查资料。

其他解决不了的，请 google！