Incus 6.11 容器管理平台新特性解析
Incus 是一个开源的容器和虚拟机管理平台,作为LXC/LXD项目的延续和发展,它提供了强大的容器和虚拟机管理能力。最新发布的Incus 6.11版本带来了一系列功能增强和问题修复,进一步提升了系统的稳定性、安全性和易用性。
网络功能增强
新版本在网络功能方面有多项重要改进:
-
OVN网络支持:现在可以为OVN网络配置独立的DNS服务器,解决了之前DNS解析的问题。同时新增了ipv4.dhcp.expiry选项,允许管理员自定义DHCP租约的有效期。
-
BGP功能优化:重新设计了BGP的启动/停止逻辑,修复了多个BGP相关问题,提高了网络路由的稳定性。
-
DHCP增强:现在可以为桥接网络和OVN网络配置DNS服务器,同时支持通过DHCPv4宣告额外路由。
-
MAC地址前缀更新:系统采用了新的MAC地址前缀,提高了网络标识的唯一性。
存储系统改进
存储子系统在本版本中获得了多项重要更新:
-
Linstor存储驱动:新增了对Linstor存储驱动的支持,这是一个基于DRBD的分布式存储解决方案,为集群环境提供了更多存储选择。
-
ZFS修复:修复了ZFS卷创建过程中可能意外删除已有数据的问题,提高了数据安全性。
-
块卷快照:现在禁止挂载自定义块卷的快照,防止潜在的数据一致性问题。
-
快照大小处理:修复了跨存储池复制/移动快照时的大小处理问题。
虚拟化功能增强
QEMU虚拟化方面有多项改进:
-
Windows虚拟机优化:为Windows虚拟机默认启用了S4状态支持,并将RTC基准设置为localtime,提高了时间同步的准确性。
-
Intel IOMMU支持:在使用Intel IOMMU时自动设置正确的缓存模式。
-
实时迁移:改进了不同QEMU版本间的实时迁移兼容性。
-
USB设备支持:新增了对USB网卡的支持,并增加了io.bus=usb选项用于磁盘设备。
安全与权限管理
安全方面的重要更新包括:
-
OCI容器权限:现在允许非特权用户在OCI容器中使用ICMP和低端口号。
-
SecureBoot:改进了EDK2固件的选择逻辑,在Debian系统上能自动选择支持SecureBoot的固件。
-
证书处理:增强了对错误PEM数据的处理能力,提高了系统安全性。
性能优化
多个组件获得了性能提升:
-
数据库优化:通过重构数据库连接和事务处理,显著提高了数据库性能。
-
文件传输:SFTP传输现在默认使用1MB的块大小,同时改进了代理端的SFTP性能。
-
实例类型缓存:如果缓存可用,将不再重复下载实例类型信息。
用户体验改进
-
文件编辑:增强了文件编辑功能,支持更多操作场景。
-
设备管理:在复制实例时,使用--device xx,type=none选项将自动清除剩余的设备属性。
-
OCI配置:增强了OCI容器的入口点配置能力。
-
错误处理:改进了多种错误场景的处理逻辑,包括创建失败时的回滚机制。
Incus 6.11版本通过这些改进,进一步巩固了其作为企业级容器管理平台的地位,为管理员和开发者提供了更强大、更稳定的容器化解决方案。无论是网络功能、存储系统还是虚拟化支持,新版本都带来了显著的提升,值得现有用户升级体验。
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 StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07