dstack项目0.18.40版本发布:增强卷管理与服务配置能力
dstack是一个开源的机器学习工作流编排平台,它允许研究人员和工程师轻松地在云环境中运行机器学习任务、开发环境和应用程序。该平台通过简单的YAML配置文件即可定义复杂的工作流,并支持多种云服务提供商作为后端。
可选实例卷功能
在0.18.40版本中,dstack引入了一个重要的新特性——可选实例卷(Optional Instance Volumes)。实例卷是一种持久化存储机制,允许用户在运行之间保留特定目录的数据。现在,通过在YAML配置中添加optional: true标记,可以将实例卷声明为可选的。
volumes:
- instance_path: /dstack-cache
path: /root/.cache/
optional: true
这一改进特别有价值,因为它解决了与不支持实例卷的后端(如runpod、vastai和kubernetes)的兼容性问题。当卷标记为可选时,dstack会智能地判断后端是否支持该功能——如果支持则挂载卷,否则跳过而不影响任务执行。这对于缓存场景尤其有用,开发者现在可以编写更具可移植性的配置。
服务路径前缀配置优化
服务(Service)功能也获得了重要增强。在之前的版本中,某些Web应用(如Dash)在不使用网关时无法正常工作,原因是端点URL中包含的路径前缀/proxy/services/<project name>/<run name>/会导致路由问题。
新版本通过引入strip_prefix配置项解决了这个问题:
type: service
name: my-dash-app
gateway: false
strip_prefix: false
env:
- DASH_ROUTES_PATHNAME_PREFIX=/proxy/services/main/my-dash-app/
开发者现在可以禁用路径前缀剥离,并通过环境变量将完整前缀传递给应用程序。这一改进显著提升了dstack服务功能的灵活性,使得更多类型的Web应用能够无缝运行。
Git分支克隆策略调整
在开发环境(dev-environment)中,dstack现在默认会克隆仓库的所有分支,而不是之前的单分支策略。这一变化更符合开发者的实际需求,因为多分支访问是开发工作流的常见需求。
如果需要保持原来的单分支行为,可以通过single_branch配置项显式指定:
type: dev-environment
single_branch: true
SSH用户体验改进
对于自定义用户运行容器的场景,dstack现在提供了更流畅的SSH体验。当在配置中指定了user属性时,通过VS Code访问开发环境或使用ssh <run name>命令连接时,系统会自动以配置的用户身份登录,无需手动切换用户。
这一改进简化了多用户环境下的开发流程,使权限管理更加直观和自动化。
技术实现细节
从实现角度看,这些改进涉及dstack核心功能的多个方面:
- 卷管理系统现在能够动态判断后端能力并做出相应行为
- 服务代理层增加了路径处理的可配置性
- Git集成模块优化了克隆策略
- SSH子系统改进了用户会话管理
这些变化共同提升了dstack的灵活性、兼容性和用户体验,使其能够更好地适应各种使用场景和基础设施环境。特别是可选卷和服务路径处理功能的引入,解决了实际部署中的几个关键痛点问题。
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