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。
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
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