windows -- Docker -- vscode

目前使用 wsl2 的 docker 加上 vscode 的開發流程有一段時間了，因此寫下這篇紀錄環境的安裝，目前使用過的語言和框架:

python、tensorflow-gpu
c/c++、java

為什麼想使用 docker 來開發?

Docker 是一種容器(container)化的技術，將該技術用作開發有許多的好處:

用各種語言開發時不用將所有的環境都安裝在 pc 上，減少環境設定的衝突 (ex: py3.6, py3.8, nodejs, ….)。
多台電腦 (or 換新電腦) 開發時不用每一台都設定一次環境，從 repo 拉下來就可直接參與開發。
方便管理環境，並環境一但變動所有人都可拿到最新的可運行的環境(延伸第 2 點)。

p.s. 再加上使用 vscode 產生 container 只需點按幾下就可產生各種環境和所需的各種 extension，方遍、快速、好管理。

環境設定 – windows

由於 docker 這一技術是在 linux 系統上出現的，因此最適合的方法就是將電腦重灌成 linux 系統，但這樣就失去 windows 系統的許多方便功能，office系列、steam的遊戲(這是無可比擬的優點 d(`･∀･)b)、…，因此本次環境設置是基於 wsl2 來設定的，wsl2 除了少數的機制和現代 linux distribution 有些許不太相同外 (目前有碰到的是 init & systemd，其他還有待查證) 都可當成 linux 系統來操作使用。

wsl2: Windows Subsystem for Linux version 2

安裝 wsl2

打開 cmd 或 PowerShell 下指令 wsl --install

安裝 linux distribution

wsl --list --online 查看有什麼版本可以安裝

以下是可安裝之有效發佈的清單。
使用 'wsl --install -d <Distro>' 安裝。

NAME            FRIENDLY NAME
Ubuntu          Ubuntu
Debian          Debian GNU/Linux
kali-linux      Kali Linux Rolling
openSUSE-42     openSUSE Leap 42
SLES-12         SUSE Linux Enterprise Server v12
Ubuntu-16.04    Ubuntu 16.04 LTS
Ubuntu-18.04    Ubuntu 18.04 LTS
Ubuntu-20.04    Ubuntu 20.04 LTS

wsl --install -d <DistroName> 安裝所需的版本，我是選擇 Ubuntu-20.04，這便看你偏好的是什麼版本。

完成上面兩道指令 wsl2 就安裝完成了，但我有碰到一個問題，在後面會提供找到的解法。

安裝 windows 版本的 docker

下載 docker desktop，點兩下安裝。

讓 WSL 可以使用 CUDA

~~為了讓 WSL 可以使用電腦的 NVIDIA GPU 訓練 model，需要做一些設定….~~

在 win10 21H2 或 win11 之後就不用這麼麻煩了，之前還需要加入 windows 的開發者計畫才有這功能…，所以我的電腦才需要重灌 (◢▆▅▄▃崩╰(〒皿〒)╯潰▃▄▅▇◣)，現在只需要裝 nvidia 最新的 driver 即可在 wsl 和 docker 使用 gpu 訓練 model。

驗證 gpu 是否可以運作 docker run --rm -it --gpus=all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark:

C:\Users\frank>docker run --rm -it --gpus=all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
Run "nbody -benchmark [-numbodies=<numBodies>]" to measure performance.
        -fullscreen       (run n-body simulation in fullscreen mode)
        -fp64             (use double precision floating point values for simulation)
        -hostmem          (stores simulation data in host memory)
        -benchmark        (run benchmark to measure performance)
        -numbodies=<N>    (number of bodies (>= 1) to run in simulation)
        -device=<d>       (where d=0,1,2.... for the CUDA device to use)
        -numdevices=<i>   (where i=(number of CUDA devices > 0) to use for simulation)
        -compare          (compares simulation results running once on the default GPU and once on the CPU)
        -cpu              (run n-body simulation on the CPU)
        -tipsy=<file.bin> (load a tipsy model file for simulation)

NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.

> Windowed mode
> Simulation data stored in video memory
> Single precision floating point simulation
> 1 Devices used for simulation
GPU Device 0: "Turing" with compute capability 7.5

> Compute 7.5 CUDA device: [NVIDIA GeForce GTX 1660 Ti with Max-Q Design]
24576 bodies, total time for 10 iterations: 48.718 ms
= 123.974 billion interactions per second
= 2479.476 single-precision GFLOP/s at 20 flops per interaction

問題

error: 0x800701bc

如果在 docker run .... 這道指令出現 WslRegisterDistribution failed with error: 0x800701bc 的錯誤的話就代表需要升級 wsl2 ????(查詢到的資訊，不太確定)，下載 update package 並點兩下安裝，重啟後就可以了。

error: 0x80370102

需要到 bios 檢查是否有開啟”虛擬化”，我是使用 amd 的 cpu & asus 主機板 因此在 bios > advanced > svm mode 選擇 enabled 即可開啟虛擬化。

vscode 操作 docker

環境設定完成後最重要的就是用 vscode 簡單的操作 docker ，快速建立需要的環境並馬上開發。

下載 vscode … 官網->download-> 點兩下安裝
vscode extension 安裝
1. remote 三套件(Remote - SSH、Remote - Containers、Remote - WSL)
  - 主要是 Remote - Containers 幫我們創建 container ，但另外兩套也都十分有用就順便都裝一裝。
2. Docker 套件: 從 vscode 管理 docker 環境和撰寫 dockerfile。
用 vscode 的操作面板生成 dockerfile 和 vscode 的環境設定
1. 按下 F1 或 ctrl + shift + p 打開 vscode 操作面板，輸入 remote-container ，找到 add development …
2. 選擇需要的環境設定(這邊我選 c++ 當範例)
3. 一路選下去就會生成必要的 cfg 檔案
4. 按下 F1 或 ctrl + shift + p 打開 vscode 操作面板，輸入 remote-container ，找到 rebuild and reopen… ，等待環境建立，可能需要一陣子。
5. 成功後 vscode 右下角會出現這一個標誌和環境的名稱
6. 寫一些 code 驗證是否有所需的編譯器和環境
  - F5 來 debug 看看，選擇一些設定:
    
    選擇編譯器
    
    執行結果

更重要的是當我們關掉 vscode 可以到當初選擇放資料的地方，可以看到我們寫的東西都還存在本機端，因為 vscode 預設是用 bind 的方法將 windows 的資料夾綁到 docker 的 container 裡面，因此我們在 container 中修改的東西都還是會保存在主機上，不會隨著 container 消失而消失。

.devcontainer 資料夾就是放 vscode 建立 container 的各種檔案，dockerfiles、devcontainer.json(vscode 的設定)，有意思的是這兩個檔案都是文字檔，因此都可套用版本追蹤，推上 git server 之後只要下載下來並用 vscode 開啟環境和 code 都一併重現在其他電腦上。

Frank's Doc