Docker 28.0.2版本发布:关键修复与网络优化深度解析
Docker作为当今最流行的容器化平台之一,其28.0.2版本的发布带来了多项重要修复和功能优化。本文将深入剖析这一版本的技术亮点,帮助开发者更好地理解和使用Docker的最新功能。
核心修复与性能优化
28.0.2版本针对多个关键问题进行了修复,特别是在容器管理和性能方面做出了显著改进。在Windows环境下,修复了当存在v28.0.0之前创建的容器时可能导致守护进程启动失败的问题。对于使用大量容器的用户,containerd镜像存储的性能得到了提升,显著改善了docker ps命令在大规模容器环境下的响应速度。
日志处理方面,修复了守护进程日志中可能出现的"io: read/write on closed pipe"错误,使日志输出更加整洁。同时,containerd镜像存储还修复了通过--user传递用户ID时可能出现的整数溢出问题,增强了安全性。
网络子系统重大改进
网络功能是28.0.2版本的重点优化领域。新增了DOCKER_INSECURE_NO_IPTABLES_RAW环境变量,为那些Linux内核不支持CONFIG_IP_NF_RAW的系统提供了运行Docker的可能性,虽然这降低了安全性,但为特定环境提供了灵活性。
网络转发功能得到了多项修复:
- 修复了可能导致
docker-proxy停止向容器转发UDP数据报的问题 - 解决了
docker-proxy过早关闭UDP连接导致源地址不必要变化的问题 - 允许在父接口关闭的情况下,容器仍能成功附加到macvlan网络
- 确保在gateway_mode=routed网络中不会跳过DNAT处理
此外,docker ps命令现在能够更一致地报告双栈端口映射,解决了之前版本中存在的不一致问题。
安全增强与兼容性改进
安全方面,28.0.2版本默认屏蔽了容器内/proc和sys中的Linux热中断信息,减少了潜在的信息泄露风险。同时更新了contrib/check-config.sh脚本,增加了对iptables相关内核模块的检查,帮助用户更好地配置系统环境。
兼容性方面,修复了守护进程过早失败的问题,现在当containerd套接字不可用时,守护进程会更有弹性地处理这种情况。containerd镜像存储还消除了关于"application/vnd.in-toto+json"类型引用的虚假警告,使日志更加清晰。
组件更新与SDK变更
28.0.2版本包含了多个核心组件的更新:
- BuildKit升级至v0.20.1
- Buildx更新至v0.22.0
- Compose升级至v2.34.0
- Go运行时更新至1.23.7
- RootlessKit升级至v2.3.4
- containerd静态二进制文件更新至v1.7.27
在Go SDK方面,进行了多项重构和弃用:
- 将各种类型和常量从
cli-plugins/manager移动到单独的包 - 最低Go版本要求提升至1.23
- 多项功能被标记为弃用,包括
cli-plugins/manager.ResourceAttributesEnvvar、opts.PortOpt等 - 移除了
service/logs包 - 重构了信任相关功能,将
PushTrustedReference移至cli/trust
总结
Docker 28.0.2版本虽然是一个维护性更新,但包含了多项重要修复和优化,特别是在网络功能和性能方面。这些改进使Docker在稳定性、安全性和兼容性上都得到了提升。对于开发者而言,了解这些变化有助于更好地利用Docker的功能,同时避免潜在的问题。随着容器技术的不断发展,Docker团队持续优化产品,为用户提供更加强大和可靠的工具链。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06