根据链接<https://github.com/rootless-containers/rootlesskit.git>编写的RootlessKit教程
1. 项目目录结构及介绍
1.1 主要文件夹和文件
cmd: 包含RootlessKit命令行工具的源代码。
docs: 文档相关的资料,包括用户指南和说明。
hack: 工具和脚本,用于开发和维护过程中的辅助任务。
pkg: 共享库和其他软件包组件。
dockerignore: Docker构建时忽略的文件列表。
gitignore: Git版本控制中忽略的文件规则。
Dockerfile: 制作Docker镜像的配置文件。
LICENSE: 开源许可文件,此项目采用Apache 2.0许可证。
Makefile: 构建和测试项目的自动化脚本。
README.md: 项目简介和快速入门指南。
go.mod: Go语言的依赖管理文件。
go.sum: 项目中所有依赖的校验和。
其他的文件,如.gitattributes等,是Git仓库管理和协作所需的元数据文件。
2. 项目启动文件介绍
-
rootlesskit: 这是主要的可执行文件,它创建用户和挂载命名空间,并运行
newuidmap和newgidmap来实现"无根"模式。通过在命令行上直接运行rootlesskit可以启动它,然后传递不同的选项以定制设置。 -
rootlessctl: 配合RootlessKit使用的命令行工具,可以查看系统状态、管理网络和PID命名空间,以及其他操作。
-
rootlesskit-docker-proxy: 一个中间服务,用于在RootlessKit和Docker之间通信。
3. 项目配置文件介绍
由于RootlessKit依赖于Linux内核的特性(如user_namespaces和mount_namespaces),它的配置主要涉及内核参数和系统级别的设置。以下是一些关键配置:
-
subuid 和 subgid 文件: 这些文件通常位于
/etc/subuid和/etc/subgid,用来映射非特权用户的ID到0-65535范围内的ID,这对于在用户命名空间中模拟root权限至关重要。 -
sysctl 参数: 比如
kernel.unprivileged_userns_clone应设置为启用,以便非root用户可以创建用户命名空间。 -
环境变量 如
$XDG_RUNTIME_DIR: 这个变量指示容器应在哪里创建临时文件和套接字,通常用于存储隔离的网络配置和进程间通信。
在实际使用中,可能还需要调整或创建相应的网络配置文件,例如/etc/resolv.conf,但这些并不是硬性的配置文件部分,而是根据具体需求动态处理。
了解更多关于RootlessKit的详细信息,可以参考项目仓库中的文档或者直接尝试示例命令。若要开始使用,首先满足项目要求,然后可以按照安装步骤进行部署。
3.1 系统要求
- 安装
subuid和newuidmap/newgidmap。 - 在Debian系统上,需要启用内核参数
unprivileged_userns_clone。
3.2 安装步骤
- 获取源码:
git clone https://github.com/rootless-containers/rootlesskit.git - 编译并安装:
cd rootlesskit; make && sudo make install
安装完成后,可以通过rootlesskit和rootlessctl进行实验性操作。例如,可以启动一个带网络隔离的新shell:
sudo apt-get install slirp4netns
rootlesskit --copy-up=/etc --copy-up=/run --net=slirp4netns --disable-host-loopback bash
在此环境中,你可以试验不同类型的容器操作,如创建网络命名空间。
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