創建ortools的Dockerfile
技術背景
基於已有的Docker容器鏡像，去創建一個本地的鏡像，有兩種方法：一種是在之前的部落格中提到過的，使用docker commit的方案，也就是先進去基礎系統鏡像內部完成所需的修改，然後commit到一個新的容器內部;還有另外一種也非常常用的方法，就是寫一個Dockerfile，在本文中會作簡單介紹。
另外我們在上一篇部落格中介紹了如何部署與使用IBM主導的Cplex線性規劃求解器的一些基本使用方法。在本文中我們會介紹另外一套由Google主導的開源線性規劃求解器ortools的部署與基本使用方法。
Dockerfile的創建
對於簡單的場景而言，尤其是別人已經把基礎容器鏡像做的比較完善的情況下，使得我們減少了大量的工作量。比如這裡我們直接使用一個別人做好的python3.7的基礎鏡像，而獲得該鏡像的方法在上一篇部落格中也作了介紹。那麼我們在dockerfile裡面只需要安裝好我們所需要的ortools的python包即可：
[dechin-root ortools]# cat Dockerfile
FROM rackspacedot/python37
RUN python3 -m pip install pip --upgrade \
&& python3 -m pip install ortools
這裡FROM後面所跟隨的基礎鏡像是必須在本地所具備的，可以在docker images裡面看到的才行。最好也在本地通過運行docker run your_iamge來測試一下這個容器鏡像是否正常工作，因為有些容器鏡像必須要跟隨版本號才能正常使用。在上述dockerfile中我們先對pip管理工具做了一個升級，然後才安裝ortools工具包。有一個需要注意的點是，我們也可以選擇使用多次的RUN來製作一個dockerfile，但是這會導致添加了多層的鏡像，因此最好我們是可以用命令拼接的方式一次性完成所有的任務，這樣只會增加一層鏡像（截圖來自於參考鏈接2）：
按照上述流程編寫好dockerfile之後，我們就可以使用docker build來構建一個本地的容器鏡像：
[dechin-root ortools]# docker build -t dechin/ortools:v1 .
Sending build context to Docker daemon 2.048kB
Step 1/2 : FROM rackspacedot/python37
---> ab7083b6c7c4
Step 2/2 : RUN python3 -m pip install pip --upgrade && python3 -m pip install ortools
---> Running in ff6b1971bdc9
Requirement already satisfied: pip in /usr/local/lib/python3.7/site-packages (20.3.1)
Collecting pip
Downloading pip-21.0.1-py3-none-any.whl (1.5 MB)
Installing collected packages: pip
Attempting uninstall: pip
Found existing installation: pip 20.3.1
Uninstalling pip-20.3.1:
Successfully uninstalled pip-20.3.1
Successfully installed pip-21.0.1
Collecting ortools
Downloading ortools-8.2.8710-cp37-cp37m-manylinux1_x86_64.whl (14.2 MB)
Collecting protobuf>=3.14.0
Downloading protobuf-3.15.6-cp37-cp37m-manylinux1_x86_64.whl (1.0 MB)
Collecting absl-py>=0.11
Downloading absl_py-0.12.0-py3-none-any.whl (129 kB)
Requirement already satisfied: six in /usr/local/lib/python3.7/site-packages (from absl-py>=0.11->ortools) (1.15.0)
Installing collected packages: protobuf, absl-py, ortools
Successfully installed absl-py-0.12.0 ortools-8.2.8710 protobuf-3.15.6
Removing intermediate container ff6b1971bdc9
---> b9ff988385a5
Successfully built b9ff988385a5
Successfully tagged dechin/ortools:v1
我們可以看到2條dockerfile的指令的運行結果都在螢幕上輸出，顯示是成功安裝了的。在執行完build之後，我們可以在本地的images倉庫裡面看到這個新的容器鏡像：
[dechin-root ortools]# docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
dechin/ortools v1 b9ff988385a5 35 seconds ago 1.09GB
我們也可以測試一下這個容器鏡像的功能是否正常：
[dechin-root ortools]# docker run -it dechin/ortools:v1 /bin/bash
root@198255eacb30:/# python3
Python 3.7.9 (default, Nov 18 2020, 14:29:12)
[GCC 6.3.0 20170516] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import ortools
>>>
通過執行一個簡單的python指令我們可以看到ortools這個工具已經被成功的部署在容器鏡像內，在下一個章節中我們會介紹如何使用ortools來解決一個實際問題。當然，上述測試方案也有一個更加簡單的方法，使用-c標籤來運行程式碼：
[dechin-root ortools]# docker run dechin/ortools:v1 python3 -c "import ortools;print('hello')"
hello
這裡再補充介紹一下在docker中如何刪除一個容器鏡像的方法，那就是使用rmi和rm指令。這兩個指令也容易區分，如果是在docker images指令下找到的容器鏡像，那就用rmi來進行刪除，如果是在docker ps裡面看到的容器，那就用rm來刪除，以下是兩個示例：
[dechin-root ortools]# docker rmi cplex-py37
Error response from daemon: conflict: unable to remove repository reference "cplex-py37" (must force) - container 7ce9dbee3e55 is using its referenced image 34e272969701
[dechin-root ortools]# docker rmi -f cplex-py37
Untagged: cplex-py37:latest
Deleted: sha256:34e2729697010b1320c2f7dbfd1fc45004e9ffae6a1d26ffb8748b5627cb2224
上面這個用例是表示我們在docker images中有一個名為cplex-py37的容器鏡像，其實也是在上一篇部落格中製作的產物。假如我們需要刪除這個鏡像，就用刪除的rmi指令。當我們第一次嘗試刪除的時候，我們收到一個提示，關於一些衝突的提示。假如我們認定了這個衝突並不影響我們的操作，那麼我們可以強制刪除，也就是加上-f指令。
另外也展示一下rm指令的使用場景。假如我們使用docker ps -n 5查看過去執行的最近5條指令，並且需要刪除第一條鏡像id為2df3的容器：
[dechin-root ortools]# docker ps -n 5
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
2df3fcc803e0 34e272969701 "/bin/bash" 20 hours ago Exited (0) 20 hours ago bold_colden
c766ed62d149 rackspacedot/python37 "/bin/bash" 20 hours ago Exited (0) 20 hours ago xenodochial_ardinghelli
af037db88540 cplex "/bin/bash" 21 hours ago Exited (0) 12 minutes ago magical_cori
e8c49c211039 cplex "/bin/bash" 21 hours ago Exited (0) 21 hours ago gracious_babbage
1e053a1b6330 cplex "/bin/bash" 21 hours ago Exited (0) 21 hours ago suspicious_ride
[dechin-root ortools]# docker rm 2df3
2df3
[dechin-root ortools]# docker ps -n 5
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
c766ed62d149 rackspacedot/python37 "/bin/bash" 20 hours ago Exited (0) 20 hours ago xenodochial_ardinghelli
af037db88540 cplex "/bin/bash" 21 hours ago Exited (0) 12 minutes ago magical_cori
e8c49c211039 cplex "/bin/bash" 21 hours ago Exited (0) 21 hours ago gracious_babbage
1e053a1b6330 cplex "/bin/bash" 21 hours ago Exited (0) 21 hours ago suspicious_ride
de7f22ac259b cplex "python3 -m pip inst…" 21 hours ago Exited (0) 21 hours ago hardcore_meitner
可以看到用rm刪除之後就不會在最新的結果查詢中出現這個容器，這也方便我們釋放不需要的容器資源給本地環境。
ortools案例
這裡我們還是使用上一篇部落格中所提到的單背包問題（Knapsack Problem）來進行測試。相關問題的定義如下：
當然在ortools的案例中我們不需要寫lp文件，只是借用這個lp文件來展示一下我們的約束條件和目標函數。這個問題的含義也在上一篇部落格中介紹過了，這裡我們直接截圖引用：
ortools求解器的使用
在了解清楚問題的背景之後，現在我們就可以開始寫測試程式碼了，首先我們也是從進入docker容器開始，然後出於方便我們直接在python指令中執行相關的測試（這裡的測試程式碼我們參考了官方文檔，也就是本文的參考鏈接1）：
[dechin-root ortools]# docker run -it dechin/ortools:v1 /bin/bash
root@3882b83959c8:/# python3
Python 3.7.9 (default, Nov 18 2020, 14:29:12)
[GCC 6.3.0 20170516] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from ortools.linear_solver import pywraplp
>>> solver = pywraplp.Solver.CreateSolver('SCIP') # 這裡使用了第三方後端SCIP
>>> x1 = solver.IntVar(0.0, 1.0, 'x1')
>>> x2 = solver.IntVar(0.0, 1.0, 'x2')
>>> x3 = solver.IntVar(0.0, 1.0, 'x3')
>>> print ('Number of variables = ', solver.NumVariables()) # 參數數量
Number of variables = 3
>>> solver.Add(3 * x1 + 4 * x2 + 5 * x3 <= 8)
<ortools.linear_solver.pywraplp.Constraint; proxy of <Swig Object of type 'operations_research::MPConstraint *' at 0x7f9013411de0> >
>>> solver.Maximize(2 * x1 + 3 * x2 + 4 * x3)
>>> status = solver.Solve()
>>> print('Number of constraints =', solver.NumConstraints()) # 約束條件數量
Number of constraints = 1
>>> print('Objective value =', solver.Objective().Value()) # 最終解的函數值
Objective value = 6.0
>>> print('x1 =', x1.solution_value())
x1 = 1.0
>>> print('x2 =', x2.solution_value())
x2 = 0.0
>>> print('x3 =', x3.solution_value())
x3 = 1.0
>>> print (status == pywraplp.Solver.OPTIMAL) # 是否最優解？
True
在這個案例中我們使用了一個第三方的求解器後端來進行計算，叫SCIP。我們得到的最終解已經達到了最優解，這個我們在上一篇部落格中也分析過了。到這裡為止，我們就成功的使用ortools提供的框架求解了一個實際的背包問題。
總結概要
在本地構建基於Docker的編程環境是一個兼容性和可用性非常強的解決方案，這裡我們介紹了一個使用Dockerfile來構建Docker容器鏡像的簡單實例。同時也用Google所主導的開源線性規劃求解器ortools來測試這個容器化的編程環境解決方案，最終我們用ortools成功的求解了一個單背包問題，並且跟前面一篇部落格中所介紹的IBM主導的cplex一樣都得到了問題的最優解。
版權聲明
本文首發鏈接為：//www.cnblogs.com/dechinphy/p/ortools.html
作者ID：DechinPhy
更多原著文章請參考：//www.cnblogs.com/dechinphy/
參考鏈接
- //developers.google.cn/optimization/mip/integer_opt?hl=zh-cn
- //www.runoob.com/docker/docker-dockerfile.html
- //www.cnblogs.com/dechinphy/p/cplex.html#
