01 - Docker 是什么
先从一个真实的痛点说起
你有没有遇到过这种情况：
- 你写的 AI 程序在自己电脑上跑得好好的，发给同学，他一运行——报错。
- 你本地用 Python 3.10，服务器是 3.8，一堆包装不上。
- 训练好的模型，换台机器 CUDA 版本不对，直接跑不起来。
这就是经典的一句话：
“在我电脑上是好的呀？“（It works on my machine.）
问题的根源是：程序不是孤立运行的，它依赖一大堆环境——操作系统、Python 版本、各种库、系统配置……换个环境，这些依赖对不上，程序就崩。
AI 开发尤其惨，因为我们的依赖特别重、特别多：Python、PyTorch、CUDA、cuDNN、几十个 pip 包……配环境配到怀疑人生。
Docker 用一句话解决这个问题
Docker 把你的应用 + 它需要的所有依赖环境，一起打包成一个标准的”集装箱”，这个集装箱搬到任何电脑上，都能一模一样地运行。
你不再交付”一份代码 + 一长串安装说明”，而是直接交付一个打包好、开箱即用的整体。
用集装箱来理解
Docker 的 logo 就是一头驮着集装箱的鲸鱼，这个比喻非常贴切：
- 没有集装箱的年代：货物五花八门，每次换船、换码头都要重新搬运、重新适配，又慢又容易出错。
- 有了标准集装箱：不管箱子里装的是什么，外面的尺寸都统一。任何船、任何码头、任何卡车都能直接装卸。
Docker 就是软件世界的标准集装箱：
- 箱子里：你的代码 + Python + 所有依赖库
- 箱子外：标准接口，任何装了 Docker 的电脑都能直接运行
[配图：一头鲸鱼背上驮着很多集装箱，每个集装箱标注”我的AI应用""Python3.10""PyTorch”等]
Docker 和虚拟机有什么区别？
很多人会问：这不就是虚拟机吗？不是。区别很大。
| 对比项 | 虚拟机（VM） | Docker 容器 |
|---|---|---|
| 打包内容 | 整个操作系统 + 应用 | 只打包应用 + 依赖 |
| 体积 | 几个 GB 起步 | 通常几十~几百 MB |
| 启动速度 | 几十秒~几分钟 | 秒级，甚至毫秒级 |
| 资源占用 | 重，每个 VM 独占内存 | 轻，共享主机内核 |
| 一台机器能跑几个 | 几个 | 几十上百个 |
一句话记忆：
虚拟机是”在你电脑里装了另一台完整的电脑”；Docker 是”只打包应用本身，共用你电脑的底座”。所以 Docker 又轻又快。
[配图：左边虚拟机——每个应用下面都背着一整个 Guest OS；右边 Docker——多个容器共享同一个底座，明显更薄]
小结
- 痛点：环境不一致，导致”换个地方就跑不起来”。
- Docker：把应用 + 依赖打包成标准”集装箱”，到哪都一样跑。
- 对比虚拟机：Docker 更轻、更快、更省资源。
理解了”是什么”，下一章我们来认识 Docker 的三个核心概念，搞懂它是怎么运转的。
下一章 → 02 - 三个核心概念