Question

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？

Answer 1

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

Answer 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
```

Answer 3

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。

在单一容器中将conda环境容器化

3 个答案: