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.jsqmd.com/news/161541/

相关文章:

  • Markdown绘制流程图:展示神经网络架构设计思路
  • Docker Swarm集群部署PyTorch应用:大规模训练调度方案
  • GitHub热门项目推荐:PyTorch-CUDA预配置镜像使用教程
  • 内网渗透技战法-委派攻击
  • CUDA核心概念解析:理解PyTorch背后的GPU加速原理
  • 【计算机毕业设计案例】基于SpringBoot+Vue的宠物生活馆网站的设计与实现宠物健康科普与个性化服务推荐(程序+文档+讲解+定制)
  • 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
  • 接外包如何评估工时、给出报价?完整方法与实战技巧
  • 158_尚硅谷_切片注意事项和细节(2)
  • GitHub Copilot辅助编程:快速编写PyTorch模型代码
  • Docker Network配置:实现PyTorch容器间通信
  • Markdown引用文献格式:学术型AI技术文章写作规范
  • SSH X11转发图形界面:可视化PyTorch训练过程
  • GitHub Actions自动化测试PyTorch环境兼容性配置示例
  • PyTorch Hook机制应用:监控层输出与梯度变化
  • Windows10下载
  • 重组抗体:基因工程赋能的抗体技术革新与多领域应用
  • vue中序号不能按排序显示
  • 【毕业设计】基于SpringBoot+Vue的宠物生活馆网站的设计与实现(源码+文档+远程调试,全bao定制等)
  • C#之如何加载其他项目文件
  • GitHub项目Fork后如何同步上游更新:保持PyTorch代码最新
  • IDEA(2020版)实现JSP指令和动作
  • SSH远程开发指南:在云服务器上运行PyTorch任务
  • Docker容器间共享GPU资源:多用户PyTorch环境隔离方案
  • PyTorch分布式训练入门:多GPU并行计算实践指南
  • Markdown高亮代码块:准确标注PyTorch语法
  • HuggingFace Pipeline快速调用:零代码运行大模型
  • YOLOv11来了!基于PyTorch的新一代目标检测模型前瞻
  • 如何在Linux服务器上安装CUDA:为PyTorch提供GPU支持