Testcontainers-Java 在 Windows 下 Jenkins 容器中连接 Ryuk 的解决方案
问题背景
在使用 Testcontainers-Java 进行集成测试时,很多开发者会选择在 Jenkins 容器中运行测试流程。然而在 Windows 主机环境下,当 Jenkins 容器尝试启动 Ryuk 资源回收服务时,经常会出现连接失败的问题,错误提示为"Can not connect to Ryuk"。
问题现象
具体表现为:
- 测试运行时控制台输出连接被拒绝的错误
- Ryuk 容器虽然启动成功,但无法建立有效连接
- 该问题仅在 Windows 主机环境下出现,Linux 环境下运行正常
根本原因分析
这个问题源于 Windows 系统下 Docker 的特殊实现方式。Windows 的 Docker Desktop 实际上是在一个 Linux 虚拟机中运行 Docker 引擎,而 Windows 主机与这个 Linux 虚拟机之间的通信需要通过特殊的接口。
当 Jenkins 容器尝试通过挂载的 Docker socket 与 Ryuk 通信时,Windows 系统下的标准 /var/run/docker.sock 文件实际上是一个特殊的命名管道,而不是 Unix 域套接字,这导致了连接问题。
解决方案
修改 Docker Compose 文件中的 volume 挂载配置,将原来的:
volumes:
- /var/run/docker.sock:/var/run/docker.sock
改为:
volumes:
- /var/run/docker.sock.raw:/var/run/docker.sock
这个 .raw 后缀的 socket 文件是 Docker Desktop 专门为 Windows 系统提供的原生接口,能够正确处理容器间的通信。
实现原理
-
Docker Desktop for Windows 提供了两种 socket 接口:
/var/run/docker.sock:兼容性接口,可能在某些场景下工作不正常/var/run/docker.sock.raw:原生接口,提供更可靠的通信能力
-
使用
.raw后缀的 socket 文件能够:- 绕过 Windows 的命名管道转换层
- 提供更直接的 Linux 虚拟机通信通道
- 保持与 Unix 域套接字的兼容性
最佳实践建议
- 对于 Windows 环境下的 Jenkins 容器化部署,建议始终使用
.raw后缀的 socket 文件 - 在跨平台项目中,可以通过环境检测自动选择正确的 socket 路径
- 定期检查 Docker Desktop 的更新,因为 socket 处理方式可能会随版本变化
总结
Testcontainers-Java 在 Windows 环境下通过 Jenkins 容器运行时,正确处理 Docker socket 挂载是确保 Ryuk 资源回收服务正常工作的关键。使用 /var/run/docker.sock.raw 替代标准 socket 文件路径,能够有效解决连接问题,保证集成测试流程的稳定性。这一解决方案不仅适用于 Testcontainers,对于其他需要在 Windows 主机上通过容器与 Docker 守护进程交互的场景也同样有效。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00