Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Erstellen Sie ein Amazon Linux 2023 Docker-Image für Deadline Cloud, das Worker-Äquivalent entspricht
<a name="examples-container-al2023"></a>

Das Dockerfile [al2023-deadline](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/containers/al2023-deadline) repliziert den Paketsatz des Deadline Cloud Service Managed Fleet (SMF) Worker AMI auf dem Amazon Linux 2023-Basisimage. Verwenden Sie das Image, um:
+ Erstellen und testen Sie Conda-Pakete mit derselben GLIBC-Version, denselben Systembibliotheken und derselben Laufzeitumgebung wie echte Worker.
+ Reproduzieren Sie Build- oder Laufzeitfehler auf Worker-Ebene lokal.
+ Stellen Sie sicher, dass Ihre Softwareabhängigkeiten von der Arbeitsumgebung erfüllt werden, bevor Sie Jobs einreichen.

Das Image installiert Pakete in geschichteten Gruppen, die dem Worker-AMI entsprechen: Kernsystemtools, Build-Toolchain, X11/Mesa/OpenGL Image- und Medienbibliotheken, Netzwerk- und Sicherheitsdienstprogramme, Python 3.11, Docker und Containerd, AWS CLI v2, Boost, jemalloc und TBB.

Erstellen Sie das Image:

```
docker build -f Dockerfile.worker-equivalent -t al2023-deadline:latest .
```

Erstellen Sie ein Conda-Paket im Container:

```
docker run --rm -v "$PWD":/work -w /work al2023-deadline:latest \
    bash -c "pip3.11 install conda-build && conda build my-recipe/"
```

**Wichtig**  
Dieses Bild ist ein Point-in-Time-Snapshot. Das eigentliche SMF-Worker-AMI hat möglicherweise neuere oder zusätzliche Pakete. Um NVIDIA-GPU-Support zu erhalten, fügen Sie das NVIDIA Container Toolkit-Repository zum Dockerfile hinzu und führen Sie es mit aus. `--gpus all`