在Proxmox VE中直接运行Virtual-DSM虚拟机的技术实践
2025-06-26 20:40:41作者:翟萌耘Ralph
Virtual-DSM项目作为Synology DSM系统的虚拟化实现,通常采用Docker容器方式部署。然而,部分用户出于性能优化、资源管理或特定环境需求,希望直接在KVM虚拟化环境中运行Virtual-DSM。本文将详细介绍如何在Proxmox VE环境中绕过Docker容器,直接部署Virtual-DSM虚拟机。
技术背景
Virtual-DSM项目本质上是通过QEMU/KVM虚拟化技术运行DSM系统。Docker容器在此过程中主要承担以下角色:
- 封装所有依赖组件
- 提供便捷的启动/停止管理
- 执行相关辅助脚本(如优雅关机等)
直接使用KVM运行可以带来更好的资源控制能力,特别是在Proxmox VE等专业虚拟化平台上。
准备工作
首先需要通过Docker容器生成必要的镜像文件:
- 创建挂载目录:
mkdir /mnt/hdd - 运行Docker命令生成基础镜像:
docker run -it --rm --name dsm \
-p 5000:5000 --device=/dev/kvm \
-v /mnt/hdd:/storage \
-e DISK_SIZE="2G" \
--cap-add NET_ADMIN \
--stop-timeout 120 \
vdsm/virtual-dsm
- 获取生成的镜像文件:
- DSM_VirtualDSM_69057.boot.img
- DSM_VirtualDSM_69057.system.img
- 获取host.bin文件(用于系统信息显示)
Proxmox VE部署步骤
1. 文件准备
将获取的镜像文件复制到Proxmox服务器,建议存放在专用目录如/mnt/vdsm/。
2. 启动host.bin服务
host.bin负责提供系统信息显示等功能,需要在宿主机上运行:
/mnt/vdsm/host.bin -cpu=4 -cpu_arch="Intel Celeron N5100" -mac=00:00:00:00:00 -hostsn=HostSN -guestsn=GuestSN -addr=0.0.0.0:12345 -api=:2210 &>/dev/null &
建议将此命令设置为开机自启动服务。
3. 创建虚拟机
在Proxmox中创建虚拟机时需注意以下配置:
- 固件类型:SeaBIOS
- 机型:q35
- 磁盘控制器:VirtIO SCSI single
- 显示:无
- 网络:VirtIO(半虚拟化)
- 添加串口2
- 添加VirtIO RNG设备
4. 配置虚拟机参数
编辑虚拟机配置文件(如/etc/pve/qemu-server/VMID.conf),添加以下参数:
args: -serial pty -device virtio-serial-pci,id=virtio-serial0,bus=pcie.0,addr=0x3 -chardev socket,id=charchannel0,host=127.0.0.1,port=12345,reconnect=10 -device virtserialport,bus=virtio-serial0.0,nr=1,chardev=charchannel0,id=channel0,name=vchannel -object iothread,id=io2 -device virtio-scsi-pci,id=hw-synoboot,iothread=io2,bus=pcie.0,addr=0xa -drive file=/mnt/vdsm/boot.img,if=none,id=drive-synoboot,format=raw,cache=none,aio=native,discard=on,detect-zeroes=on -device scsi-hd,bus=hw-synoboot.0,channel=0,scsi-id=0,lun=0,drive=drive-synoboot,id=synoboot0,rotation_rate=1,bootindex=1 -device virtio-scsi-pci,id=hw-synosys,iothread=io2,bus=pcie.0,addr=0xb -drive file=/mnt/vdsm/system.img,if=none,id=drive-synosys,format=raw,cache=none,aio=native,discard=on,detect-zeroes=on -device scsi-hd,bus=hw-synosys.0,channel=0,scsi-id=0,lun=0,drive=drive-synosys,id=synosys0,rotation_rate=1,bootindex=2
5. 磁盘配置
数据磁盘应添加为SCSI设备,从SCSI11开始编号,以确保不与系统磁盘冲突。
优雅关机实现
为确保系统能够正常关机,需要配置hookscript:
#!/bin/bash
set -e -o errexit -o pipefail -o nounset
vmId="$1"
runPhase="$2"
case "$runPhase" in
pre-start)
/mnt/vdsm/host.bin -cpu=4 -cpu_arch="Intel Celeron N5100" -mac=00:00:00:00:00 -hostsn=HostSN -guestsn=GuestSN -addr=0.0.0.0:12345 -api=:2210 &>/dev/null &
;;
pre-stop)
url="http://127.0.0.1:2210/read?command=6&timeout=50"
curl -sk -m "$(( 50+2 ))" -S "$url"
;;
post-stop)
hID=$(pgrep host.bin)
kill $hID
;;
*)
echo "Unknown run phase \"$runPhase\"!"
;;
esac
将此脚本设置为虚拟机的hookscript,确保在关机时发送正确的关机指令。
性能优化建议
- CPU配置:根据宿主机的CPU核心数合理分配vCPU,建议不超过物理核心数的75%
- 内存分配:DSM系统基础需求约2GB,根据运行的服务适当增加
- 磁盘性能:
- 使用VirtIO SCSI控制器
- 启用discard选项支持TRIM
- 设置cache=none和aio=native
- 网络配置:使用VirtIO半虚拟化网卡可获得最佳性能
常见问题解决
- 系统信息不显示:确保host.bin正确运行,并且cpu_arch参数与实际情况匹配
- 无法正常关机:检查hookscript配置,确保pre-stop阶段正确执行
- 磁盘识别问题:确保数据磁盘从SCSI11开始编号,避免与系统磁盘冲突
- 性能问题:检查是否启用了KVM加速,确认CPU类型设置为host
总结
通过本文介绍的方法,用户可以在Proxmox VE环境中直接运行Virtual-DSM虚拟机,获得更好的资源控制能力和性能表现。相比Docker容器方案,这种部署方式更适合需要精细资源管理或长期稳定运行的生产环境。需要注意的是,这种部署方式需要用户具备一定的虚拟化管理经验,特别是在故障排查和性能优化方面。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218