我遇到过许多实例,将容器中的conda环境进行容器化以实现长期可重复性确实很有帮助。由于我通常在高性能计算系统中运行,出于安全原因,它们必须是奇异容器。该怎么办?
答案 0 :(得分:3)
首先,您需要为特定的conda环境获取环境YML。
conda activate your_env
conda env export > environment.yml
通常,您将按以下方式使用它:
conda env create -f environment.yml
但是,使用奇点容器化您的构建会稍微复杂一些。
以下是示例奇点配方(与“ environment.yml”位于同一目录中的名为“奇点”的文件):
Bootstrap: docker
From: continuumio/miniconda3
%files
environment.yml
%environment
PATH=/opt/conda/envs/$(head -1 environment.yml | cut -d' ' -f2)/bin:$PATH
%post
echo ". /opt/conda/etc/profile.d/conda.sh" >> ~/.bashrc
echo "source activate $(head -1 environment.yml | cut -d' ' -f2)" > ~/.bashrc
/opt/conda/bin/conda env create -f environment.yml
%runscript
exec "$@"
使用
构建sudo singularity build conda.simg Singularity
现在,您将拥有一个使用conda环境中的库的可正常运行的容器,该库可以在安装了Singularity的任何位置运行!
示例:
singularity run conda.simg conda -h
singularity run conda.simg ipython
答案 1 :(得分:2)
我发现它很有用,因为您可以安装一个装有anaconda3环境的容器,并随时随地为不同的项目轻松创建新的环境。
这很简单,我将逐步介绍它:
通过以下定义文件在本地计算机中创建容器(您可以随意命名。请注意,有些行是可以避免的):
Bootstrap: library
From: ubuntu:18.04
Stage: build
%post
apt-get update && apt-get -y upgrade
apt-get -y install \
build-essential \
wget \
bzip2 \
ca-certificates \
libglib2.0-0 \
libxext6 \
libsm6 \
libxrender1 \
git
rm -rf /var/lib/apt/lists/*
apt-get clean
#Installing Anaconda 3
wget -c https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh
/bin/bash Anaconda3-2020.02-Linux-x86_64.sh -bfp /usr/local
#Conda configuration of channels from .condarc file
conda config --file /.condarc --add channels defaults
conda config --file /.condarc --add channels conda-forge
conda update conda
#List installed environments
conda list
然后,为了构建容器,请运行以下命令:
sudo singularity build ContainerName.sif YourDefineFile.def
现在您可以创建conda env(可以使用常见方法,也可以通过YML文件创建它,这是从现有环境中导出的文件)
例如,我用一个YML文件来做: 首先,您需要按照以下步骤进入.sif容器:
Singularity shell YourContainerName.sif
然后:
conda env create --name envname --file=YourEnvironments.yml
因此,创建环境后,可以使用以下命令将其激活(同样,首先需要跳入容器):
singularity shell YourContainer.Sif
source activate YourEnvName
答案 2 :(得分:1)
使用 conda-pack 可以容器化现有的 conda 环境,而无需从 environment.yml
重新创建它们。当环境不再解析时,或者在没有 conda 的情况下将软件包安装到环境中时,这特别有用,例如使用R
的{{1}}。
打包环境
install.packages
创建此 conda-pack -n <MY_ENV> -o packed_environment.tar.gz
文件
Singularity
构建镜像
Bootstrap: docker
From: continuumio/miniconda3
%files
packed_environment.tar.gz /packed_environment.tar.gz
%post
tar xvzf /packed_environment.tar.gz -C /opt/conda
conda-unpack
rm /packed_environment.tar.gz
有关更多详细信息,包括 Docker/Podman 变体,请查看我的 grst/containerize-conda 存储库。
限制:该方法可能仅适用于源环境位于 linux x64 机器上的情况。