Earthly项目中解决TestContainers无法连接Docker守护进程的问题
在使用Earthly构建工具运行包含TestContainers的测试时,开发者可能会遇到TestContainers无法找到Docker守护进程的问题。本文将深入分析这一问题的成因,并提供完整的解决方案。
问题现象
当在Earthly环境中运行TestContainers时,测试会失败并显示错误信息"Could not find a working container runtime strategy"。这表明TestContainers无法检测到可用的Docker运行时环境。
根本原因分析
-
Docker套接字未挂载:TestContainers默认会尝试通过Unix套接字(/var/run/docker.sock)与Docker守护进程通信,但在Earthly的Docker-in-Docker(dind)环境中,这个套接字需要显式挂载。
-
证书验证问题:在某些网络环境中,可能会遇到TLS证书验证失败的问题,导致无法从镜像仓库拉取镜像。
解决方案
基础解决方案
在Earthfile中,需要确保:
- 显式挂载Docker套接字
- 正确加载测试镜像
WITH DOCKER --load test:latest=+build
RUN docker run -v /var/run/docker.sock:/var/run/docker.sock test:latest
END
网络环境下的完整解决方案
对于特定网络环境,还需要处理证书问题:
test:
FROM earthly/dind:alpine-3.19-docker-25.0.5-r0
# 添加根证书
COPY root-certificates.pem /usr/local/share/ca-certificates/root-certificates.crt
RUN update-ca-certificates --fresh
# 预拉取所需镜像并运行测试
WITH DOCKER --load test:latest=+build \
--pull testcontainers/ryuk:0.5.1 \
--pull mongo:6.0.1
RUN docker run --rm -v /var/run/docker.sock:/var/run/docker.sock test:latest
END
技术要点说明
-
证书管理:通过将根证书添加到容器中并更新证书存储,解决了TLS验证失败的问题。
-
镜像预加载:提前拉取TestContainers依赖的镜像(testcontainers/ryuk)和测试用镜像(mongo),可以避免测试过程中因网络问题导致的失败。
-
性能优化:预加载镜像可以利用Earthly的缓存机制,避免每次测试都重新拉取镜像,显著提高测试效率。
最佳实践建议
-
对于依赖外部服务的测试,建议将所有需要的镜像都预先声明在WITH DOCKER指令中。
-
在特定环境中,考虑搭建内部镜像仓库,避免依赖外部网络。
-
对于复杂的测试环境,可以使用Earthly的--privileged标志来获得更多权限。
通过以上方法,开发者可以在Earthly构建环境中顺利运行包含TestContainers的测试,无论是在个人开发环境还是特定网络环境中。
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-1.5暂无简介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-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