博客
关于我
docker配置centos+宝塔面板+phpstorm-xdebug记录
阅读量:379 次
发布时间:2019-03-05

本文共 1666 字,大约阅读时间需要 5 分钟。

1 本机环境

我目前运行的是macOS 10.15.7系统,Docker版本为20.10.5。

2 Docker配置CentOS和宝塔面板的步骤

为了在CentOS中配置宝塔面板,我按照以下步骤进行操作:
  • 下载CentOS镜像

    使用命令docker pull ansible/centos7-ansible下载CentOS 7镜像。

  • 新建并运行镜像

    创建一个新的Docker容器,名称为centos7baota,并映射所需的端口:

  • docker run -i -t -d --name centos7baota -p 20:20 -p 21:21 -p 80:80 -p 443:443 -p 888:888 -p 8888:8888 --privileged=true ansible/centos7-ansible

    这些端口包括80(HTTP)、443(HTTPS)、888(内网访问)、8888(宝塔面板默认端口)。

    1. 进入容器安装宝塔面板
      使用docker exec -it centos7baota /bin/bash进入容器,安装宝塔面板:
    2. yum install -y wget && wget -O install.sh http://download.bt.cn/install/install_6.0.sh && sh install.sh

      在提示时输入y继续安装。

      1. 配置镜像并提交

        安装完成后,镜像地址会显示为http://60.169.128.90:8888/1e7aad20,可以将其修改为http://localhost:8888/1e7aad20

      2. 安装必要服务

        在宝塔面板中安装nginx、php7.2和mysql5.6等服务,确保环境配置完成后再提交镜像。

      3. 生成并运行新的镜像

        使用docker commit -a "zq" -m "add baota" centos7baota ansible/centos7-ansible/bt提交镜像,并根据新镜像ansible/centos7-ansible/bt运行新的容器:

      4. docker run -i -t -d --name centos7-baota -p 20:20 -p 21:21 -p 80:80 -p 443:443 -p 888:888 -p 8888:8888 -p 3306:3306 --privileged=true -v ~/Desktop/08-docker/01-www:/www/wwwroot -v ~/Desktop/08-docker/02-mysql:/www/server/data ansible/centos7-ansible/bt
        1. 启动服务并验证
          进入新容器并启动宝塔面板服务:
        2. docker exec -it c7bt /bin/bash  /etc/init.d/bt restart

          开启服务后,宝塔面板可通过http://localhost:8888/1e7aad20访问。

          3 配置PhpStorm远程XDebug调试

          在宝塔面板中完成以下步骤:
        3. 启用XDebug扩展
          在对应的PHP配置文件中启用XDebug远程调试功能:
        4. xdebug.remote_enable = 1  xdebug.remote_handler = "dbgp"  xdebug.remote_host = host.docker.internal

          这些设置允许PhpStorm通过XDebug进行远程调试,host.docker.internal用于指定Docker容器的主机IP。

          1. PhpStorm配置
            在PhpStorm中:
            • 配置远程主机IP为bd.test.com(需在主机hosts文件中添加相应记录)。
            • 使用XDebug作为调试工具。
            1. 添加hosts记录
              在主机上编辑/etc/hosts文件,添加以下内容:
            2. sudo vim /etc/hosts

              添加记录:

              127.0.0.1 bd.test.com

    转载地址:http://gvdwz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>