Docker v28.2.0-rc.1 版本深度解析:CDI 默认启用与网络增强
Docker 是一个开源的容器化平台,它允许开发者将应用程序及其依赖项打包到一个轻量级、可移植的容器中。通过容器化技术,Docker 解决了"在我机器上能运行"的问题,使应用程序能够在任何环境中一致运行。本文将深入分析 Docker 最新发布的 v28.2.0-rc.1 版本带来的重要更新和改进。
CDI 功能正式成为默认选项
v28.2.0-rc.1 版本最显著的变化是将 CDI(Container Device Interface)功能设为默认启用状态。CDI 是一种标准化的设备接口规范,它允许容器直接访问主机上的硬件设备,如 GPU、FPGA 或其他专用计算设备。
在之前的版本中,CDI 功能需要手动启用,而现在开发者可以直接使用这一功能而无需额外配置。这一变化意味着:
- 硬件加速容器应用部署更加便捷
- 机器学习、高性能计算等场景下的容器化工作流程得到简化
- 开发者可以通过
docker info命令直接查看已发现的 CDI 设备信息
网络功能全面增强
本次更新在网络功能方面进行了多项重要改进:
新增网络访问控制选项
新增了 "com.docker.network.bridge.trusted_host_interfaces" 桥接网络选项,允许开发者指定一组可信的主机接口,这些接口可以直接访问容器 IP 地址上的发布端口。同时,新增了 "allow-direct-routing" 守护进程选项,用于禁用对直接发往容器的外部数据包的过滤。
网络可靠性提升
针对网络删除失败、负载均衡器 IP 地址释放等问题进行了修复。特别是在繁忙集群和丢包网络环境下,NetworkDB 的可靠性和收敛速度得到了显著提升。
容器运行时改进
性能优化
修复了 docker exec 命令在指定不存在的用户或组时会等待 10 秒的问题,提高了命令响应速度。同时,解决了使用 CDI 设备并配置了 --restart always 策略的容器在守护进程重启后无法启动的问题。
日志系统增强
为 fluentd 日志驱动程序新增了 fluentd-write-timeout 日志选项,允许开发者指定 fluentd 连接的写入超时时间,提高了日志收集系统的稳定性和可配置性。
开发者体验优化
CLI 改进
- 修复了 shell 自动补全功能,确保某些标志即使可以多次设置也只会补全一次
- 改进了
docker login命令对无效选项的错误提示信息 - 增强了
docker inspect命令,添加了 shell 补全功能,改进了--type标志的描述和验证 - 确保在 CLI 被强制终止时终端状态能够正确恢复
认证功能扩展
为实验性的 --use-api-socket 选项添加了对 DOCKER_AUTH_CONFIG 的支持,扩展了认证方式的灵活性。
底层存储引擎优化
在 containerd 镜像存储方面进行了多项重要改进:
- 默认启用 BuildKit 垃圾收集器,优化存储空间利用
- 修复了
docker build命令中覆盖镜像未正确标记为悬空镜像的问题 - 解决了
docker system df报告可回收空间为负值的问题 - 修复了推送多平台镜像时出现重复 PUT 请求的情况
兼容性与未来规划
本次更新对部分 API 和 SDK 功能进行了标记为弃用的处理,包括:
- 弃用了多个与构建相关的类型,建议开发者迁移到新的 API 路径
- 弃用了部分容器状态相关的常量和函数,推荐使用新的类型定义
- 从 API v1.50 开始,
GET /info响应中的BridgeNfIptables和BridgeNfIp6tables字段将被省略
这些变化体现了 Docker 项目对代码库的持续清理和现代化改造,开发者应关注这些弃用警告并适时更新代码。
总结
Docker v28.2.0-rc.1 版本在硬件加速支持、网络功能和开发者体验等方面带来了显著改进。CDI 功能的默认启用将推动更多硬件加速场景下的容器化应用,而网络子系统的增强则进一步提升了 Docker 在复杂环境下的可靠性和性能。对于开发者而言,命令行工具的改进和错误提示的优化将带来更流畅的开发体验。建议用户关注这些新特性,并根据项目需求评估升级计划。
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