NFSマウント後にDockerサービスが起動するように設定する

概要

私はDockerコンテナにdocker runコマンドの-v, --volumeコマンドでNFS上のディレクトリをマウントしています． この状態でOSを再起動すると，DockerサービスがNFSのマウント前に起動してしまい，Dockerコンテナが正常にrestartできない問題が発生していました． 本記事ではこの問題の解決方法として，systemdのdrop-inファイルを使用して，NFSがマウントされるまでDockerサービスが起動しないように設定する方法をメモしておきます．

本記事の解決方法に行き着くにあたっては，下記の記事が参考になりました．

• Start docker after NFS mounts come online | The Danesh Project
• Ubuntu 20.04 LTS : NFS クライアント : Server World
• fstab - ArchWiki

私の開発環境は下記のとおりです．

OS	Ubuntu 20.04.4 LTS (amd64)
Docker version	20.10.14, build a224086

NFSクライアントの設定

/etc/fstabには下記のように設定しています．systemdによるリモートファイルシステムの自動マウントの設定です．

設定変更した場合は，OSの再起動もしくはsudo mount /mnt/nas/dataでNFSをマウントします．

下記のコマンドで/mnt/nas/dataのマウントに対応するsystemdユニットを探します．ディレクトリパスのスラッシュ (/)をハイフン (-)に置き換えたものになっているようでした．

Dockerサービスの設定

drop-inファイルを格納するディレクトリを作成して，テキストエディタでdrop-inファイルを新規作成します．

drop-inファイル，wait-for-nfs.confには下記のように設定を記述します． 設定の詳しい解説については，概要に記載した参考記事をご覧ください．

Dockerサービスの再起動と動作確認

Dockerサービスを再起動します．Drop-Inの項目で，drop-inファイルを認識しているか確認します． 問題がなければ，OSを再起動した後は，NFSがマウントされてからDockerサービスが起動するようになっています．

KATO 103系を増備しました

概要

2022年2月25日にKATOからウグイス色とスカイブルー色の103系が発売されました． 私は以前販売されていた「10-311 新103系 ブルー 4両セット」を持っていますが，今回の製品はこれらの一部仕様やパッケージを変更したものという認識です． この4両セットに増結する車両が欲しいと思っていたので，今回は「10-1744A 103系〈スカイブルー〉 中間車3両セット」を購入しました． 色の表記がブルーとスカイブルーで異なりますが，どちらも同じ色を指しています． ここでは，車両以外に購入した関連製品についてメモしておきます．

• KATO鉄道模型ホームページ | 製品詳細 | 103系

今回の製品に含まれる各車両の仕様は，下記のPDFファイルで確認できます．製品に添付されている説明書のPDFファイルです．

• KATO 103系 説明書

10-311 新103系 ブルー 4両セット

旧製品の各車両の仕様を下表にまとめます．

所属表記は「関スイ」，室内灯の取り付けにも対応しています．

旧製品が販売されていた頃の室内灯は11-204 (11-206) 新室内灯セットしかなく，これは光源がLEDではなく麦球でした． 互換性があるため，現行の11-211 (11-212) LED室内灯クリアも取り付け可能です．

旧製品では1両目と4両目の車両番号が一緒ですね．

車両	車両品番	品名	車両番号	標準装備
1両目	4001-1	クハ103ATC	クハ103-786	ヘッド／テールライト点灯
2両目	4002-1	モハ102	モハ102-856
3両目	4003-1	モハ103	モハ103-699	モーター付き動力車
4両目	4001-1	クハ103ATC	クハ103-786	ヘッド／テールライト点灯

関連製品

今回，中間車3両セットの購入を契機に揃えたものを紹介します． リンクはAmazon.co.jpもしくは記事作成時点で購入可能な通販サイトの商品ページへのリンクです．

• KATO 10-214 車両ケースE 電・気動・客車8両用
• KATO 11-703 KATOカプラー密連形A黒(20個入)
• 簡単な交換作業で連結器周辺をリアルにできます．先頭車2両を含む7両に対しては12個必要です
• KATO 28-239B 103系 行先表示シール(関西) 〈ホビーセンターオリジナルパーツ〉
• 京阪神緩行線の行先表示を入れる予定です
• 世田谷総合車輌センター 873 103・201系標記集 白
• JRマークが欲しかったため購入しました

KATOカプラー以外はまだ取り付けできていないので，取り付けしたら紹介する予定です．

NVIDIA DeepStreamの推論結果をRedisに送信するサンプルアプリケーションの実行環境を構築する

概要

NVIDIA DeepStream SDKには，推論結果をサーバに送信するためのGst-nvmsgbrokerプラグインが用意されています． このGst-nvmsgbrokerプラグインはRedisのほか，プロトコルアダプタライブラリを使用することで，Kafka，Azure IoTやAMQPなどの各種プロトコルに対応します．

Gst-nvmsgbrokerプラグインを使用したサンプルアプリケーションとプロトコルアダプタライブラリはいくつか用意されていますが，これらのライブラリには各種サーバへの接続方法の記載はあれど，各種サーバの構築方法は紹介されていません． 私はRedisも含めてデータベースの構築や運用の経験がなかったので，サンプルアプリケーションを実行するまでに結構時間がかかってしまいました． そこで本記事では，私が構築したNVIDIA DeepStreamの推論結果をRedisに送信するサンプルアプリケーションの実行環境について紹介します．

本記事で紹介する実行環境は，GitHubで公開しています．See README.md for a quick start in English.

• KeitetsuWorks/deepstream-test4-c-redis: Docker environment of deepstream-test4-app and Redis

私の開発環境は下記のとおりです．

OS	Ubuntu 20.04.3 LTS (amd64)
GPU	GeForce GTX 1070 Ti
Driver Version	510.47.03
CUDA Version	11.6
Docker version	20.10.12, build e91ed57
docker-compose version	1.29.2, build 5becea4c
DeepStream	nvcr.io/nvidia/deepstream:6.0-devel

Gst-nvmsgbrokerプラグインを使用したサンプルアプリケーション

列挙しておきます．非公式のものも含めて他にもある場合はコメントで教えていただけると幸いです． この記事ではC実装のdeepstream-test4を取り上げますが，C実装のdeepstream-test5やPython実装のdeepstream-test4も今回構築した実行環境で試すことができます．

• deepstream-test4 (C実装)
• Dockerイメージ (deepstream:6.0-devel)配下: /opt/nvidia/deepstream/deepstream-6.0/sources/apps/sample_apps/deepstream-test4
• deepstream-test5 (C実装)
• Dockerイメージ (deepstream:6.0-devel)配下: /opt/nvidia/deepstream/deepstream-6.0/sources/apps/sample_apps/deepstream-test5
• deepstream-test4 (Python実装)
• NVIDIA-AI-IOT/deepstream-occupancy-analytics
• NVIDIA-AI-IOT/deepstream_360_d_smart_parking_application

実行環境の構成

実行環境はdocker-compose.ymlにまとめています．3つのDockerコンテナが起動します．

• redis
• RedisのDockerコンテナです
• redisinsight
• ウェブブラウザからアクセスして使用する，RedisのGUIツール，RedisInsightのDockerコンテナです．必須ではありませんが，サンプルアプリケーションの動作確認に便利です
• nvds
• DeepStreamのDockerコンテナです．C実装のdeepstream-test4のビルド済みバイナリとソースコードも含まれています

実行方法

1. GitHubからdocker-compose.ymlをダウンロードします．
2. Dockerコンテナを起動します．初回はDockerイメージのダウンロードがあり起動に時間を要する場合があります
3. Redisが使用できるかどうか確認します．テストデータの登録と取得を行います
4. テストデータの登録結果をRedisInsightで確認します
• ウェブブラウザで http://localhost:8001 にアクセスします
• 「EULA AND PRIVACY SETTINGS」が表示されたら，内容にしたがってCONFIRMを押下します

• Redisに接続します．「I already have a database」を選択します

• 「Connect to a Redis Database」を選択します

• 下図のように入力し，ADD REDIS DATABASEを押下します

• Redisデータベース，localが追加されました．localを選択します

• 左のメニューからBrowserを選択すると，testKeyが登録されていることがわかります．なお下図では他にds-metaが登録されていますが，これは以降の手順でサンプルアプリケーションを実行した後で登録されるものです

5. サンプルアプリケーションを実行します．入力動画はDockerイメージに含まれるサンプル動画を使用します．実行中は物体検出結果を表示するウィンドウが表示され，自動的に終了します
6. 推論結果がRedisに送信されていることをCUIで確認します．"ds-meta"のKeyが増えています
7. 推論結果がRedisに登録されていることをRedisInsightで確認します
• ウェブブラウザで http://localhost:8001 にアクセスし，Redisデータベースのlocalを選択します
• 左のメニューからStreamsを選択すると，ds-metaが登録されていることがわかります．metadataに推論結果が含まれています

関連プロジェクト

推論結果の送信先としてRedisではなくKafkaを使用する場合の実行環境も構築しました．下記で公開しています．

• deepstream-test5-app + Apache Kafka + Node-RED

製品紹介

• Amazon.co.jp: ロジクール Webカメラ C920n

Jetson上のDockerコンテナでCSIカメラを使用する

概要

NVIDIA L4T MLのDockerイメージを使用することで，JetsonでCUDAサポートがONのOpenCVの環境を比較的手軽に準備できるようになりました． そこで本投稿では，Jetson上で起動しているDockerコンテナから，Jetsonに接続されたRaspberry Pi Camera Module 2などのCSIカメラを使用する方法について紹介します．

Jetson	Jetson Nano
JetPack	4.6
NVIDIA L4T ML	l4t-ml:r32.6.1-py3
CSIカメラ	Raspberry Pi Camera Module 2

準備

CSIカメラの接続

Jetson Nanoをシャットダウンして電源ケーブルを外した状態で，CSIカメラを確実に接続してください． インターネット上に接続方法の解説記事が数多くありますので参考にしてください．

サンプルコードの入手

サンプルコードをGitHub Gistに置きましたので，git cloneするかブラウザでダウンロードしてください．

• GitHub Gist: Sample Codes for NVIDIA L4T ML

CSIカメラの動作確認

これ以降の作業は，Jetsonにキーボード，マウスおよびディスプレイを接続して直接GUIログインしていることを前提に説明します．

Dockerコンテナ上でCSIカメラが使用できるか確認する前に，Jetson OS上で使用できるか確認しておくと良いです． 先ほどgit cloneしたディレクトリにあるPythonスクリプトを下記のとおり実行してください．CSIカメラで撮影中の映像がウィンドウに表示されます． 映像表示ウィンドウがアクティブな状態でESCキーを押下すると，ウィンドウが閉じてPythonスクリプトの実行が終了します．

なお，CSIカメラの動作確認方法はNVIDIAのチュートリアルにも紹介があります．

• Taking Your First Picture with CSI or USB Camera | NVIDIA Developer

CSIカメラをDockerコンテナで使用する

方法

方法については，下記ページの「Run the container」に簡単な記載があります． つまり，docker runコマンドのオプションとして-v /tmp/argus_socket:/tmp/argus_socketを付加する必要があります． 一方，例えば/dev/video1としてJetson OSに認識されているUSBカメラを使用したい場合は，--device /dev/video1:/dev/video1:rwmを付加する必要があります．

• DeepStream-l4t | NVIDIA NGC

See /opt/nvidia/deepstream/deepstream-6.0/README inside the container for deepstream-app usage information. Additional argument to add to above docker command for accessing CSI Camera from Docker: -v /tmp/argus_socket:/tmp/argus_socket For USB Camera additional argument --device /dev/video

Dockerコンテナの起動スクリプト例

先ほどgit cloneしたディレクトリにDockerコンテナの起動スクリプト例，run_with_csi-camera.shがあります． お好みのテキストエディタで内容を確認してください．

run_with_csi-camera.shを実行するとDockerコンテナが起動します． l4t-ml:r32.6.1-py3のDokcerイメージがローカルに存在しない場合は，初回にPullされます．

CSIカメラの動作確認

git cloneしたディレクトリはDockerコンテナ上の/dataにマウントされています． ここにあるOpenCVの簡単なサンプルコードを実行して，DockerコンテナでCSIカメラが使用できることを確認します．

opencv_csi-camera.pyはCSIカメラで撮影中の映像がウィンドウに表示されます． 映像表示ウィンドウがアクティブな状態でESCキーを押下すると，ウィンドウが閉じてPythonスクリプトの実行が終了します．

opencv_face-detection_csi-camera.pyはCSIカメラの映像から顔を検出し，顔が検出された場合は映像に顔の領域を示す白枠を描画してウィンドウに表示します． 映像表示ウィンドウがアクティブな状態でESCキーを押下すると，ウィンドウが閉じてPythonスクリプトの実行が終了します．

製品紹介

• Amazon.co.jp: Jetson Nano 超入門 改訂第2版