Earthly项目在WSL/Windows环境下的远程服务网络问题解析
背景介绍
Earthly是一个现代化的构建工具,它结合了Docker和Makefile的优点,为开发者提供了声明式的构建方式。在Windows Subsystem for Linux (WSL)环境下使用Earthly时,可能会遇到远程服务(remote service)的网络连接问题。
问题现象
当用户在WSL/Windows环境中运行Earthly构建时,可能会遇到以下错误信息:
Error: pull ping error: pull ping response: rpc error: code = Unknown desc = image pull: 1 error occurred:
* command failed: docker pull 127.0.0.1:42179/sess-czoisa46fhoamaovicc1fa3v3/pullping:img-0: exit status 1: Error response from daemon: Get "http://127.0.0.1:42179/v2/": dial tcp 127.0.0.1:42179: connect: connection refused: exit status 1
这个错误表明Earthly尝试通过本地回环地址(127.0.0.1)访问Docker服务时失败了,因为连接被拒绝。
技术原理分析
在WSL/Windows环境中,网络栈的工作方式与纯Linux环境有所不同。WSL2使用了一个轻量级的虚拟机,有自己的网络栈,而Windows主机则运行在另一个网络栈中。当Earthly尝试通过127.0.0.1访问服务时,这个地址在WSL环境中指向的是WSL虚拟机本身,而不是Windows主机。
临时解决方案
对于遇到此问题的用户,可以设置以下环境变量作为临时解决方案:
EARTHLY_DISABLE_REMOTE_SERVICE=true
这个设置会禁用远程服务功能,绕过这个问题,但可能会影响某些Earthly功能的完整使用体验。
根本解决方案
经过技术验证,发现可以使用socat工具作为网络连接工具来解决这个问题。具体原理是:
- 在Windows主机上运行一个HTTP服务(如Python的内置HTTP服务器)
- 在Docker容器中运行socat,将容器端口映射到主机的服务端口
- 通过特殊的"host.docker.internal"主机名访问Windows主机服务
这种方案利用了Docker for Windows提供的特殊网络功能,使得容器内的应用能够访问主机服务。
实现细节
Earthly项目团队已经通过以下方式解决了这个问题:
- 在Windows/WSL环境下自动检测网络配置
- 在需要时自动创建socat连接容器
- 将原本直接访问127.0.0.1的请求重定向到通过socat连接访问host.docker.internal
这种解决方案与Earthly在macOS环境下处理类似网络问题的方式保持一致,提高了跨平台的一致性。
总结
WSL/Windows环境下的网络隔离特性导致Earthly的远程服务功能无法正常工作。通过引入socat作为网络连接工具,Earthly能够在这种环境下提供完整的构建功能。这个问题的解决展示了Earthly团队对跨平台兼容性的重视,也体现了开源项目快速响应和解决用户问题的能力。
对于开发者来说,了解这类网络问题的根源有助于在遇到类似情况时更快地诊断和解决问题。同时,这也提醒我们在跨平台开发时要特别注意网络栈的差异。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00