博客
关于我
docker自定义网络模式,实现容器固定ip地址
阅读量:614 次
发布时间:2019-03-12

本文共 958 字,大约阅读时间需要 3 分钟。

当我们在使用 Docker 容器时,容器启动后分配的虚拟IP经常更改,这给运维团队带来了不少麻烦。

Docker 网络模式

Docker 默认使用 bridge 桥接网络模式。这种模式下,容器的网络接口会向容器内部服务暴露不同的 IP 地址。

工作原理

运行 docker network ls 查看现有的网络:

[root@localhost]# docker network lsNAME              DRIVER   SCOPE   VERSION   CODE   CREATE TIME   UPDATED TIME   STATE   DESCRIPTIONbridge          桥接    或者    或者    v0.24.0    docker    整个主机    2020-02-08T15:23:33    2020-02-08T15:23:33     健康    桥接网络

创建自定义网络

可以创建一个固定的网络:

docker network create --subnet=172.20.0.0/16 extnetwork

给容器指定 IP

创建容器时指定固定的 IP:

docker run -p 8066:8066 -it -v /home/docker/mycat/conf/:/home/mycat/conf/ -v /home/docker/mycat/logs/:/home/mycat/logs/ --net extnetwork --ip 172.20.0.2 镜像id

注意:IP 分配应从 172.20.0.2 开始,因为 172.20.0.1 是网关。

查看容器信息

使用 docker inspect 查看容器 IP:

[root@localhost]# docker inspect 你的容器id"NetworkSettings": {    "Interface": "something",    "IP": "172.20.0.2",    ...}

兼容性问题

确保 your application 可以处理固定 IP。

网络删除

如果不再使用这个网络,可以删除它:

docker network rm extnetwork

转载地址:http://cxjxz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>