想在公司的服务器上搭建一套Jupyter Notebook的开发环境，这样无论走到哪里都可以打开浏览器敲代码了（有木有很屌丝）。然而公司的服务器各种不给力。于是想到了run it anywhere的Docker。
采用Docker部署Jupyter Notebook还有一个优势：一次生成镜像后，可以很方便地二次部署到其他服务器上（比如Amazon的AWS），省去了很多重复性的工作。
由于是第一次使用Docker，踩了不少坑。所以这里记录下了Docker的一些主要使用方法。
下面进入正题。
首先，创建一个anaconda镜像的容器：
docker run -itd -p 8888:8888 -v /your/local/dir:/docker/dir --name anaconda continuumio/anaconda /bin/bash
简单解释一下这行代码：
- run: 创建一个容器
- -i: 打开容器的标准输入
- -t: 分配一个伪终端（pseudo-tty）并绑定到容器的标准输入上
- -d: 让容器后台运行
- -p hostPort:containerPort: 将本地的hostPort端口映射到容器的containerPort端口上。此处是对8888端口进行绑定（8888端口也是Jupyter Notebook的默认端口）
- -v /your/local/dir:/docker/dir: 挂载一个本地目录到容器中去，以实现本地和容器的文件共享。
- --name: 指定容器的名字，方便后面对容器的管理
- continuumio/anaconda: 要加载的镜像仓库地址
- /bin/bash: 默认容器创建完成后的执行命令。这里为了对容器进行进一步的修改，启动了bash应用。（这也是很常用的一个命令）
如果是第一次创建，docker会首先从服务器上获取镜像（相当于执行命令：docker pull continuumio/anaconda）。
创建完成后，可以用docker ps查看正在运行的容器（docker ps -a查看创建过的所有容器；docker images查看所有下载到本地的镜像）。
以下是几个与容器（镜像）有关的常用命令：
- docker rm [container]: 删除一个已经停止的容器
- docker rmi [image]: 删除一个本地的镜像
- docker start [container]: 启动一个容器
- docker stop [container]: 停止一个容器
- docker inspect [container]: 列出容器的相关信息
- docker attach [container]: 进入一个容器
接下来，我们将用最后一个命令进入到容器里面，并安装Google的深度学习工具包：Tensorflow。
docker attach anaconda
首先安装pip：
apt-get update
apt-get install python-pip python-dev
用pip安装Tensorflow：
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
pip install --upgrade $TF_BINARY_URL
你也可以继续定制属于你自己的Jupyter（让Jupyter支持更多的语言）。笔者就安装了R和Octave两种语言的kernel。
最后，开启Notebook服务：
jupyter notebook --notebook-dir=your_working_dir --port=8888 --ip=* --no-browser
至此，打开浏览器，开启你的Jupyter之旅吧！
对容器进行更改后，我们需要将其保存为镜像，方便日后的使用。
退出刚才进入的容器（快捷键：Ctrl+P+Q），并执行命令：
docker commit anaconda weitian/myanaconda
即生成了一个名为weitian/myanaconda的镜像（可以用images命令查看）。
我们可以将这个镜像push到docker hub上：
docker login #首次上传需要先登录docker hub
docker push weitian/myanaconda
也可以导出到本地：
docker save -o myanaconda.tar weitian/myanaconda
# 本地加载
docker load --input myanaconda.tar
更多关于Docker的使用介绍可以参见Gitbook上的一本书：Docker —— 从入门到实践。