当前位置: 首页 > news >正文

docker部署PruneMate

1、prunemate简介

PruneMate 是一个开源的、可视化的 Docker 镜像和资源清理工具,主要用于自动清理 NAS 或家庭服务器上 Docker 积累的无用资源,释放存储空间。

2、核心功能与特点

它的主要功能和设计亮点包括:

一键可视化清理:通过网页界面直观地管理和清理未使用的 Docker 资源,如镜像、容器、网络、数据卷和构建缓存,无需记忆复杂的命令。
灵活的定时计划:支持按日、周或月自动执行清理任务,实现“设好即忘”的自动化管理。
可控的选择性清理:可以精确勾选需要清理的资源类型,避免误删重要数据。
远程主机管理:通过配置Docker Socket Proxy,可以从一个PruneMate实例管理局域网内多台Docker主机的清理任务。
清理报告与通知:提供清晰的清理报告,显示释放的空间大小。支持通过Gotify、ntfy、Discord或Telegram等渠道发送通知,可设置为仅在真正清理了资源时推送。

3、拉取prunemate镜像

# 原始镜像dockerpull anoniemerd/prunemate:latest# x86镜像dockerpull registry.cn-hangzhou.aliyuncs.com/qiluo-images/prunemate:latest# arm架构镜像dockerpull registry.cn-hangzhou.aliyuncs.com/qiluo-images/linux_arm64_prunemate:latest

4、创建数据目录

mkdir-p /data/prunematechmod777/data/prunemate

Docker CLI 命令部署

dockerrun -d\--name prunemate\--restart unless-stopped\-p8080:8080\-v /var/run/docker.sock:/var/run/docker.sock\-v /data/prunemate/logs:/var/log\-v /data/prunemate/config:/config\-ePRUNEMATE_TZ=Asia/Shanghai\-ePRUNEMATE_TIME_24H=true\registry.cn-hangzhou.aliyuncs.com/qiluo-images/prunemate:latest
5、编辑docker-compose.yaml文件vi/data/prunemate/docker-compose.yaml services: prunemate: image: registry.cn-hangzhou.aliyuncs.com/qiluo-images/prunemate:latest container_name: prunemate ports: -"8080:8080"volumes: - /var/run/docker.sock:/var/run/docker.sock - /data/prunemate/logs:/var/log - /data/prunemate/config:/config environment: -PRUNEMATE_TZ=Asia/Shanghai -PRUNEMATE_TIME_24H=true restart: unless-stopped

6、启动prunemate容器

cd/data/prunemate/docker-composeup -ddocker-composepsdockerlogs -f prunemate

7、访问prunemate服务
浏览器访问: http://192.168.112.115:8080

PruneMate 的核心价值在于将复杂的 Docker 清理工作变得安全、简单和自动化,特别适合喜欢尝试新容器又希望系统保持整洁的 NAS 和家庭实验室用户。

http://www.gsyq.cn/news/176936.html

相关文章:

  • 内网渗透技战法-委派攻击
  • GitHub热门项目推荐:PyTorch-CUDA预配置镜像使用教程
  • 离散数学期末考试(A卷)(计算题第3题及之后)参考答案
  • PyTorch-v2.8新特性解读:性能提升背后的底层优化
  • PyTorch Hook机制应用:监控层输出与梯度变化
  • SSH X11转发图形界面:可视化PyTorch训练过程
  • 重组抗体:基因工程赋能的抗体技术革新与多领域应用
  • PyTorch分布式训练入门:多GPU并行计算实践指南
  • SSH远程开发指南:在云服务器上运行PyTorch任务
  • 如何在Linux服务器上安装CUDA:为PyTorch提供GPU支持
  • Git下载超大文件失败?教你用LFS正确拉取模型数据
  • PyTorch Lightning快速入门:简化复杂模型训练流程
  • 102301241 冯德衍 软工总结
  • SSH连接超时处理:稳定访问远程GPU算力服务器技巧
  • 禅道案例二:任务管理——把大需求拆成“可落地的小任务”
  • GitHub热门项目推荐:基于PyTorch的开源大模型实战案例汇总
  • RenderCV:为学术和工程师量身定制的CV/简历生成器
  • Dockerfile编写实例:构建自定义PyTorch深度学习镜像
  • 快速启动深度学习项目:使用预构建PyTorch Docker镜像
  • HuggingFace镜像网站加速指南:提升大模型下载效率技巧
  • Conda Forge频道介绍:获取最新PyTorch构建版本
  • Jupyter Notebook中运行PyTorch:快速上手机器学习开发环境
  • HuggingFace Dataset加载大数据集:流式读取优化内存
  • 【24小时下单】视频号点赞不让别人看到怎么设置? - 速递信息
  • PyTorch-CUDA-v2.7镜像能否替代传统Conda环境?
  • PyTorch-CUDA-v2.7镜像是否支持时间序列预测
  • 数据湖中的数据治理工具链:开源方案全解析
  • 【课程设计/毕业设计】基于SpringBoot+Vue的服务展示 - 在线预约 - 用品商城 - 互动反馈宠物生活馆网站的设计与实现【附源码、数据库、万字文档】
  • 计算机网络入门全解析:掌握计算机科学与技术专业的核心必修课关键原理与体系结构
  • PyTorch-CUDA-v2.7镜像是否支持GAN网络训练