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。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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