使用nixos-generators为Oracle Cloud生成兼容镜像的实践指南
在云计算环境中,Oracle Cloud Infrastructure (OCI) 是一个重要的云服务提供商。对于使用NixOS的用户来说,如何生成兼容OCI的镜像是一个常见需求。本文将介绍如何使用nixos-generators项目为OCI生成兼容镜像,涵盖Ampere和AMD64两种架构。
镜像格式选择
Oracle Cloud支持多种镜像格式导入,其中最常见的是VMDK和QCOW2格式。这两种格式都是虚拟化环境中广泛使用的磁盘映像格式:
- VMDK (Virtual Machine Disk):VMware开发的虚拟磁盘格式
- QCOW2 (QEMU Copy On Write 2):QEMU使用的磁盘映像格式
使用nixos-generators生成这两种格式的镜像后,可以直接上传到OCI使用。
使用nixos-generators生成镜像
nixos-generators是一个专门用于生成各种格式NixOS镜像的工具。要为OCI生成镜像,可以使用以下方法:
-
安装nixos-generators:
{ pkgs, ... }: { environment.systemPackages = [ pkgs.nixos-generators ]; } -
生成VMDK格式镜像:
nixos-generate -f vmware -
生成QCOW2格式镜像:
nixos-generate -f qcow
多架构支持
对于不同的处理器架构,OCI提供了Ampere(ARM64)和AMD64两种选择。在生成镜像时,可以通过Nix的交叉编译功能来生成不同架构的镜像:
-
为Ampere(ARM64)生成镜像:
nixos-generate --system aarch64-linux -f qcow -
为AMD64生成镜像:
nixos-generate --system x86_64-linux -f vmware
镜像优化建议
为了生成尽可能精简的镜像,可以考虑以下优化措施:
- 使用NixOS的最小化配置
- 移除不必要的服务和软件包
- 启用自动清理未使用的依赖项
- 使用squashfs等压缩文件系统
替代方案:nixos-anywhere
除了使用nixos-generators生成镜像外,还可以考虑使用nixos-anywhere工具直接在OCI实例上部署NixOS。这种方法可以跳过镜像生成和上传的步骤,直接在云实例上安装系统。
总结
通过nixos-generators项目,我们可以方便地为Oracle Cloud生成兼容的NixOS镜像。无论是Ampere还是AMD64架构,都可以通过简单的命令生成VMDK或QCOW2格式的镜像。对于追求效率的用户,nixos-anywhere提供了直接在云实例上部署的替代方案。根据实际需求选择合适的工具和方法,可以大大简化在OCI上部署NixOS的过程。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00