终极指南:如何快速安装和使用 hub-mirror 镜像加速工具 🚀
想要摆脱国外镜像下载缓慢的困扰吗?hub-mirror 是一个强大的开源镜像加速工具,专门为国内用户提供 docker.io、gcr.io、registry.k8s.io、k8s.gcr.io、quay.io、ghcr.io 等国外镜像的加速下载服务。这个项目通过将国外镜像同步到国内镜像仓库,让你享受飞一般的下载体验!✨
为什么需要镜像加速工具? 🤔
在云原生和容器化时代,我们经常需要从各种镜像仓库下载 Docker 镜像。但由于网络原因,从国外镜像仓库下载往往速度极慢,甚至无法访问。hub-mirror 镜像加速工具正是为了解决这个痛点而生!
快速安装步骤 🛠️
第一步:获取项目源码
git clone https://gitcode.com/gh_mirrors/hu/hub-mirror
cd hub-mirror
第二步:构建项目
项目使用 Go 语言开发,构建非常简单:
go build -o hub-mirror
第三步:配置镜像仓库
你需要准备一个国内镜像仓库账号,比如阿里云容器镜像服务或腾讯云容器镜像服务。然后在环境变量中配置以下信息:
DOCKER_USERNAME:镜像仓库用户名DOCKER_TOKEN:镜像仓库访问令牌DOCKER_REPOSITORY:镜像仓库地址(如:registry.cn-hangzhou.aliyuncs.com/your-namespace)
使用方法详解 📝
基本使用方式
hub-mirror 提供了两种使用方式:
方式一:通过 Issues 提交镜像转换请求
这是最简单的方式,只需要在项目中提交一个 Issue,按照模板填写需要转换的镜像列表即可。
方式二:命令行直接使用
./hub-mirror --content='{"platform": "", "hub-mirror": ["gcr.io/k8s/example:v1.0"]' --username="your-username" --password="your-password"
核心功能特性
- 多平台支持:支持不同架构的镜像转换
- 批量处理:一次可以转换多个镜像
- 自动重命名:自动处理镜像名称中的特殊字符
- 实时日志:提供详细的转换过程日志
实际使用案例 💡
假设你需要下载 Kubernetes 相关的镜像:
{
"platform": "",
"hub-mirror": [
"k8s.gcr.io/pause:3.1",
"k8s.gcr.io/kube-apiserver:v1.18.0",
"gcr.io/google-containers/busybox:1.24"
]
}
提交后,hub-mirror 会自动将这些镜像同步到你的国内镜像仓库,并生成对应的下载命令。
高级配置选项 ⚙️
平台架构指定
如果你需要特定平台的镜像,可以指定平台参数:
{
"platform": "linux/amd64",
"hub-mirror": ["your-images-here"]
}
常见问题解答 ❓
Q:转换后的镜像如何下载使用?
A:转换完成后,你可以使用生成的命令直接下载镜像:
# Docker 版本
docker pull registry.cn-hangzhou.aliyuncs.com/namespace/k8s.gcr.io-pause-3.1
Q:支持哪些国外镜像仓库?
A:支持 docker.io、gcr.io、registry.k8s.io、k8s.gcr.io、quay.io、ghcr.io 等主流镜像仓库。
总结 🎯
hub-mirror 镜像加速工具是解决国外镜像下载难题的完美方案。通过简单的配置,你就能享受到快速的镜像下载体验,大大提升开发和部署效率。
现在就开始使用 hub-mirror,告别镜像下载等待的烦恼!🚀
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00