【亲测免费】 推荐项目:Gunyah Hypervisor - 高性能、可扩展的实时虚拟化解决方案
Gunyah Hypervisor 是由澳大利亚悉尼的高通公司开发的一款高性能、可扩展且灵活的Type-1(裸机)超虚拟器。该超虚拟器专为电池供电的、实时性要求高的、安全性及安全相关的用途设计,特别是在对性能和安全性有极高需求的场景中表现出色。
1. 项目介绍
Gunyah Hypervisor 提供了一种参考配置,可用于创建多个信任和依赖的虚拟机(VM)。作为一个Type-1超虚拟器,它独立于任何高级操作系统内核运行,并在比VM更高的CPU特权级别上操作,确保了更好的安全性和更小的可信计算基数。
顾名思义,“Gunyah”是源自澳大利亚原住民的语言。这个项目的设计理念类似于传统的微内核,仅提供一组核心服务给其客户端,并将非关键服务委托给低权限(或低优先级)进程,只要这不会对性能或安全性产生负面影响。
2. 技术分析
利用CPU的虚拟化模式和特性,Gunyah能够隔离自身与VM中的操作系统内核,以及隔离不同VM之间的相互作用。在ARM架构上,这包括捕获和模拟寄存器、虚拟化核心平台设备、ARM的GIC虚拟化支持,以及通过CPU的Stage-2 MMU来提供隔离的EL1/0 VM。
3. 应用场景
- 强大安全:移动支付、安全用户界面等安全敏感应用都要求强大的安全保障。Gunyah设计用于提供强隔离保证,其小型体积便于审计。
- 高效性能:对于移动设备而言,性能至关重要。电池驱动的设备需要最小化的软件开销以实现每瓦最佳性能。Gunyah旨在具有高效率,对高层操作系统的影响降到最低。
- 模块化设计:超虚拟器采用模块化设计,允许定制和增强,通过替换模块实现和添加新功能模块。
4. 项目特点
- 线程与调度:调度器负责在物理CPU上调度虚拟CPU,并实现时间共享。
- 内存管理:跟踪所有受控内存的所有权和使用情况,内存分区是VM之间安全的基础。
- 中断虚拟化:所有的中断都在超虚拟器中处理并路由到指定的VM。
- VM间通信:提供了多种VM间通信机制。
- 设备虚拟化:支持设备的para-virtualization,使用VM间通信,对于一些底层系统特性和设备,如中断控制器,通过仿真支持。
平台支持
Gunyah被设计为支持多种CPU架构,确保架构无关性和可移植性。当前已支持ARM64(ARMv8+)架构,使用AArch64 EL2的VHE模式。此外,已有一个初步的QEMU Arm系统模拟器支持。
开始使用
要了解更多术语、设置、构建指南、状态更新和变更日志,请访问项目文档。还有相应的工具和脚本仓库,以便快速开始你的设置之旅。
贡献
感谢你对Gunyah的兴趣!请阅读贡献页面以了解如何提交特性或修复错误。这个项目期待成为开放的、社区支持的项目。
团队
Gunyah由高通公司开发,并致力于成为一个开源、社区驱动的项目。查看AUTHORS文件了解主要贡献者。
许可证
Gunyah遵循BSD 3-clause "New" 或 "Revised" 许可证。详细信息请参阅LICENSE文件。
探索Gunyah Hypervisor,解锁高性能、安全可靠的虚拟化新境界!
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00