داکر چیست؟

داکر چیست؟

داکر (Docker) یک فناوری کانتینرسازی است که به توسعه‌دهندگان کمک می‌کند برنامه‌ها را به‌همراه تمام وابستگی‌هایشان در یک محیط سبک، قابل‌حمل و یکسان اجرا کنند.

به‌جای نصب جداگانه‌ی کتابخانه‌ها و تنظیمات روی هر سیستم، داکر همه چیز را داخل یک Container قرار می‌دهد تا برنامه در هر محیطی یکسان اجرا شود.

مزایای داکر

• سبک و سریع: نسبت به ماشین مجازی منابع کمتری مصرف می‌کند.
• قابل‌حمل: برنامه در سیستم‌های مختلف بدون تغییر اجرا می‌شود.
• مقیاس‌پذیر: مناسب برای اجرای چندین سرویس و میکروسرویس.
• قابل تکرار: محیط اجرا در همه جا یکسان می‌ماند.
• مناسب برای DevOps: فرآیند توسعه، تست و استقرار را ساده‌تر می‌کند.

معماری داکر

معماری داکر بر پایه سه رکن اساسی استوار است.

. Docker Client

این بخش همان رابط کاربری (CLI) است که شما با آن کار می‌کنید. کلاینت جایی است که دستورات داکر را تایپ می‌کنید. طبق تصویر، سه دستور کلیدی داریم:

• Docker Build: (فلش آبی) دستوری برای ساختن یک Image جدید.
• Docker Pull: (فلش سبز) دستوری برای دانلود کردن یک Image از اینترنت.
• Docker Run: (فلش قرمز) دستوری برای اجرای یک کانتینر.

۲. Docker Host

• Docker Daemon (دایمون): مغز متفکر داکر که در پس‌زمینه اجرا می‌شود. او دستورات را از کلاینت می‌گیرد و مدیریت می‌کند.
• Images (ایمیج‌ها): فایل‌های آماده و ثابتی هستند که برنامه ما داخل آن‌هاست (مثل Ubuntuیا Nginx).
• Containers (کانتینرها): نسخه‌های در حال اجرای ایمیج‌ها هستند. همان‌طور که در تصویر می‌بینید (فلش قرمز منقطع)، هر کانتینر از روی یک ایمیج ساخته می‌شود.

۳. Docker Registry

رجیستری شبیه به یک کتابخانه بزرگ یا انبار مرکزی برای ایمیج‌هاست.

• Docker Hub: معروف‌ترین رجیستری دنیاست.
• وقتی شما دستور Pull را می‌زنید (فلش سبز)، دایمون به رجیستری متصل شده، ایمیج (مثلاً Redis یا Ubuntu) را پیدا کرده و آن را به بخش Images در سیستم شما (Host) منتقل می‌کند.

تحلیل جریان کار (Legend):

مسیر ساخت (Build – آبی): شما دستور می‌دهید، دایمون فایل‌های شما را می‌گیرد
و یک Image می‌سازد.

مسیر دریافت (Pull – سبز): شما دستور می‌دهید، دایمون ایمیج آماده را از Registry (انبار مرکزی) دانلود کرده و در بخش Images سیستم ذخیره می‌کند.

مسیر اجرا (Run – قرمز): شما دستور می‌دهید، دایمون ایمیجی که در سیستم دارید را برمی‌دارد و آن را به یک یا چند Container زنده و در حال اجرا تبدیل می‌کند.

مفاهیم مهم در داکر

۱. Docker Image

ایمیج‌ها در واقع «فایل‌های اصلی» و غیرقابل تغییر (Immutable) هستند. فکر کنید ایمیج مثل یک فایل ISO یا یک نصاب نرم‌افزار است که تمام جزئیات مورد نیاز برای اجرای برنامه را در خود دارد.

۲. Docker Container

اگر ایمیج را یک «نقشه ساختمان» در نظر بگیرید، کانتینر همان «ساختمان ساخته شده و قابل سکونت» است. کانتینر جایی است که برنامه شما در آن شروع به نفس کشیدن و کار کردن می‌کند.

۳. Dockerfile

داکرفایل در واقع «دستور پخت» ایمیج شماست. یک فایل متنی ساده که داکر با خواندن خط‌به‌خط آن، ایمیج نهایی را می‌سازد.

مثال دنیای واقعی:

• Dockerfile: دستور پخت یک کیک است (مراحل گام‌به‌گام).
• Docker Image: همان مواد اولیه مخلوط شده و آماده‌ی پخت است که می‌توانید آن را در فریزر نگه دارید (ثابت و آماده).
• Docker Container: کیک پخته شده و آماده‌ی خوردن است (در حال اجرا). شما می‌توانید از یک دستور پخت، بی‌نهایت کیک بپزید!

داکر در پلتفرم NVIDIA Jetson:

اجرای مدل‌های هوش مصنوعی روی بردهای جتسون (مثل Jetson Nano, Xavier, Orin) به دلیل وابستگی‌های پیچیده به درایورهای GPU چالش‌برانگیز است. داکر با استفاده از NVIDIA Container Runtime این فرآیند را ساده و بهینه می‌کند.

لایه های مختلف داکر در جتسون:

داکر در بردهای NVIDIA Jetson به‌صورت یک لایه‌ی هوشمند عمل می‌کند که اپلیکیشن‌های سنگین هوش مصنوعی را به شکلی کاملاً بهینه به سخت‌افزار متصل می‌نماید. در زیر لایه‌ی زیرین که سخت‌افزار Jetson است، سیستم‌عامل اختصاصی L4T قرار دارد که درایورهای CUDA را برای برقراری ارتباط با پردازشگر گرافیکی فراهم می‌کند. موتور داکر با بهره‌گیری از NVIDIA Container Toolkit، این امکان را ایجاد می‌کند تا کانتینرها بدون هیچ افت سرعتی به قدرت GPU دسترسی مستقیم داشته باشند. در لایه‌های میانی، کتابخانه‌های کلیدی مانند TensorRT و CUDA Toolkit برای بهینه‌سازی مدل‌ها استفاده می‌شوند که می‌توانند برای کاهش حجم کانتینرها، به‌جای نصب داخلی، از سیستم میزبان به داخل کانتینر Mount شوند. در نهایت، اپلیکیشن‌هایی مانند DeepStream در بالاترین لایه، به‌صورت کاملاً ایزوله و پایدار روی سخت‌افزار جتسون اجرا می‌شوند که این معماری، سرعت و مدیریت منابع را در محیط‌های هوش مصنوعی لبه (Edge AI) به حداکثر می‌رساند.

چرا باید در جتسون از داکر استفاده کنیم؟

• دسترسی مستقیم به GPU: برخلاف ماشین‌های مجازی، داکر در جتسون اجازه می‌دهد اپلیکیشن داخل کانتینر با کمترین تأخیر (Zero-overhead) به هسته‌های CUDA دسترسی داشته باشد.
• مدیریت نسخه‌های مختلف: ممکن است یک پروژه به CUDA 10 و دیگری به CUDA 11 نیاز داشته باشد. با داکر می‌توانید هر دو را بدون تداخل روی یک جتسون داشته باشید.
• استقرار سریع (Deployment): شما می‌توانید مدل هوش مصنوعی را روی
  کامپیوتر قدرتمند خود توسعه دهید، آن را به کانتینر تبدیل کنید و دقیقاً با همان خروجی
  روی برد جتسون اجرا کنید.
• بهینه‌سازی شده برای AI: با استفاده از ایمیج‌های پایه انویدیا (io/nvidia/l4t-base)، تمام تنظیمات مربوط به TensorRT و پردازش تصویر از قبل انجام شده است.

جمع‌بندی و گام‌های بعدی

داکر، با فراهم کردن بستری منعطف و ایزوله، راه‌حلی ایده‌آل برای اجرای اپلیکیشن‌های هوش مصنوعی روی سخت‌افزارهای قدرتمندی چون NVIDIA Jetson است. همان‌طور که دیدیم، این فناوری با ساده‌سازی فرآیند استقرار و مدیریت وابستگی‌ها، کار توسعه‌دهندگان را بسیار آسان‌تر می‌کند.

در آموزش‌های بعدی، به سراغ تست و اجرای عملی این مفاهیم روی برد Jetson خواهیم رفت تا بتوانید دانش تئوری خود را به یک پروژه واقعی تبدیل کنید.