better-initramfs 技术文档
2024-12-20 11:32:30作者:蔡怀权
目录
安装指南
使用二进制包安装
- 访问 下载页面 下载 tarball 文件。
- 解压下载的文件并阅读
README.binary和README.rst文件以获取更多信息。
从源码构建
- 克隆 Git 仓库:
git clone https://bitbucket.org/piotrkarbowski/better-initramfs.git - 进入项目目录并执行以下命令:
这些命令将依次下载并构建所需的工具,最终生成 initramfs 镜像。make bootstrap-all make prepare make image
项目的使用说明
使用场景
- 从加密存储、软件 RAID、LVM 或它们的组合中启动根文件系统。
- 提供一个最小的救援环境,甚至可以通过 SSH 远程访问 initramfs 进行修复。
- 通过 LABEL 或 UUID 选择根文件系统,避免因添加硬盘导致的根变量问题。
- 调试新内核或内核崩溃问题,检查磁盘是否在
/dev中,查看内核是否初始化了硬盘控制器。
功能特性
- 支持 BCACHE、LVM、dmcrypt LUKS、软件 RAID。
- 提供救援 shell 和远程救援 shell(通过 SSH)。
- 支持通过 UUID/LABEL 进行恢复、根文件系统和加密根文件系统。
- 支持从 TuxOnIce 和内核挂起(swsusp)中恢复。
项目API使用文档
参数说明
rescueshell:在挂载根文件系统到/newroot之前进入救援 shell。sshd:运行 SSH 服务器,允许通过 SSH 访问 initramfs。sshd_wait=X:在设置 SSH 后等待 X 秒,适用于在启动真实系统前登录并暂停启动过程。sshd_port=X:设置 SSH 监听端口,默认端口为 22。binit_net_if=<if>:指定网络配置的接口,可选指定 VLAN。binit_net_addr=<addr/cidr>或binit_net_addr=dhcp:在指定接口上配置 IP 地址和子网掩码,或使用 DHCP。binit_net_route=<addr/cidr>:添加静态路由。binit_net_gw=<addr>:配置网关。rw:以读写模式挂载根文件系统,默认是只读模式。mdev:不检查内核是否支持 devtmpfs,使用 mdev 代替(适用于非常老的内核)。softraid:启动 RAID 阵列。init=X:在切换到新根后运行 X,默认是/sbin/init。tuxonice:尝试使用 TuxOnIce 恢复。swsusp:尝试使用内核挂起(swsusp)恢复。resume=<device/path>:指定从哪个设备恢复(使用 tuxonice 或 swsusp)。lvm:扫描所有磁盘以激活卷组。luks:对enc_root变量执行cryptsetup luksOpen。enc_root=<device>:指定加密的根文件系统设备,例如/dev/sda2。root=<device>:指定根文件系统设备,例如/dev/mapper/enc_root或/dev/sdXX。rootfstype=<filesystem type>:设置根文件系统的文件系统类型。rootdelay=<integer>:设置 initramfs 等待设备的时间(适用于根文件系统在 USB 设备上)。rootflags=X:在挂载根文件系统时传递 X 标志。luks_no_discards:在 LUKS 层禁用丢弃支持。bcache:启动 bcache 设备。
项目安装方式
从二进制包安装
- 下载二进制包并解压。
- 阅读
README.binary和README.rst文件以获取安装和使用说明。
从源码构建
- 克隆 Git 仓库。
- 执行
make bootstrap-all、make prepare和make image命令以构建 initramfs 镜像。
通过以上步骤,您可以成功安装并使用 better-initramfs 项目。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K