控制师叫监测Docker容器。
使用Python控制Docker容器！这个视频是一个入门指南，涉及使用三个流行的软件包，处理表格数据进行的测试。
https：// github.com/martin///tst.com/martin//tsi.keri.keri/polars-pandas-spark代码演示。
以下是代码的整体思路：main.py用于构建，启动控制和监视12个Docker容器，控制镜像和容器。这个解决方案的核心是Docker Pythom软件包，在requirements.txt中(使用pip安装)。
我们指定了docker软件包的版本docker==6.0.1。"在main.py的代码中，我们导入docker并创建一个docker客户端实例。dockerclient=docker.DockerClient()，获取容器列表获取所有容器的列表。
代码还筛选了使用特定镜像名称构建的容器，删除容器。删除容器列表(在开始新的测试运行之前，删除容器总是一个好习惯)，构建镜像并启动容器。从现有镜像启动一个新容器，如果镜像不存在则创建该镜像。
启动容器时还会传入一组环境变量，有关用于构建镜像的Dockerfile的详细信息，请参阅"Python学研大本营"上我们的相应文章：监控容器指标。这里有一个函数使用Docker的stats命令来监控CPU内存和执行时间。计算CPU使用率可能需要一些额外的解释，它将上次读取的CPU使用率与当前CPU使用率进行比较，然后将其乘以CPU核心数与系统CPU使用率进行比较。
以下是逻辑的文字描述：cpu Delta=当前总CPU使用率。上次读取的总使用率：system Delta=当前系统CPU使用率，上次读取的系统CPU使用率：cpu percent等于 computer systemdeltaCPU核心数*100。完整的记录容器CPU内存和执行时间的函数详见"Python学研大本营"上的相应文章，在单独的线程中执行日志记录。
我们希望在单独的线程中运行dockerLog函数。
因此使用了SHINNG包来启动该函，这意味着它不会阻塞代码的执行，而且可以并行启动容器。接下来运行容器，并在函数完成容器执行完毕时设置事件，并等待日志记录线程将统计信息写入json文件，以完成收尾工作指标可视化。
在Python学研大本营上的相应文章中，我们使用matplotlib软件包对restart日志进行可视化。结论通过以上内容，现在我们可以使用Python来控制MSC镜像和容器，并使用指标记录器进行监控。推荐书单《Python从入门到精通(微课精编版)》，《Python从入门到精通(微课精编版)》使用通俗易懂的语言丰富的案例，详细介绍了Python语言的编程知识和应用技巧。
全书共24章内容包括Python开发环境、变量和数据类型、表达式、程序结构、序列字典和集合字符串；正则表达式、函数类模块异常处理和程序调试、进程和线程文件操作、数据库操作、图形界面编程、网络编程、Web编程、网络爬虫数据处理等，还详细介绍了多个综合实战项目。
其中第24章为扩展项目在线开发，是一章纯线上内容。全书结构完整知识点与示例相结合，并配有案例实战。可操作性强，示例源代码大都给出详细注释，读者可轻松学习快速上手。
本书采用S2教学模式线下与线上协同，以纸质内容为基础同时拓展更多超值的线上内容，读者使用手机微信扫一扫即可快速阅读。拓展知识开阔视野，获取超额实战体验。