Docker v28.1.0 版本深度解析:新特性与优化详解
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打包成轻量级、可移植的容器,从而实现快速部署和跨环境一致性运行。Docker 通过容器技术解决了"在我机器上能运行"的问题,极大地简化了开发、测试和部署流程。
核心新特性
Docker Bake 子命令
v28.1.0 版本引入了一个重要的新命令 docker bake,作为 docker buildx bake 的别名。这个命令简化了多阶段构建流程,让开发者能够更高效地管理复杂的构建配置。Bake 功能特别适合需要同时构建多个镜像或针对不同平台构建的场景,它通过声明式的方式定义构建流程,显著提升了构建效率。
实验性 API 套接字共享
本次更新带来了一个实验性功能:通过 --use-api-socket 标志,容器可以直接访问宿主机的 Docker 套接字。这项功能不仅允许容器内执行 Docker 命令,还能共享宿主机的凭证信息。虽然目前处于实验阶段,但它为开发更复杂的容器编排工具和 CI/CD 流水线提供了新的可能性。需要注意的是,出于安全考虑,生产环境中应谨慎使用此功能。
多平台镜像支持增强
docker image inspect 命令新增了 --platform 标志,允许用户检查多平台镜像中特定平台的配置信息。这一改进对于处理多架构镜像(如同时支持 amd64 和 arm64 的镜像)的开发者特别有价值,能够更精确地获取目标平台的镜像详情。
重要优化与修复
容器网络改进
网络子系统在本版本中获得了多项重要修复:
- 修复了 Swarm 容器主机端口映射在
docker ps和docker inspect中重复显示的问题 - 解决了容器网络连接失败时出现的"Bridge port not forwarding"错误
- 改进了默认桥接网络中
--link参数的移除机制 - 优化了网络端点关系跟踪机制,减少了误报"has active endpoints"错误的情况
镜像管理增强
镜像处理方面有几个值得注意的改进:
docker load现在能正确保留被替换的镜像- 修复了与私有仓库交互时
docker pull/push失败的问题 - 针对 containerd 镜像存储后端,优化了远程仓库错误处理机制
- 现在可以显示非层类型镜像blob的拉取进度
性能优化
- 修复了
docker stats在高CPU核心数机器上运行异常的问题 - 改进了 rootless Docker 在缺少
ip_tables内核模块的主机上的安装体验 - 优化了 iptables 规则管理,防止在 firewalld 重载后出现不必要的规则残留
开发者工具更新
CLI 改进
命令行界面有多项用户体验提升:
- 新增了上下文名称的 shell 补全功能
- 改进了
docker service scale命令的补全体验 docker images --tree现在默认隐藏未标记和悬空镜像docker system info现在会在无法连接 Docker 守护进程时提供明确的退出码
API 变更
API 版本升级至 v1.49,主要变化包括:
/image/{name}/json端点新增platform参数,支持查询多平台镜像的特定变体/info端点现在返回防火墙后端配置信息- 移除了多个已弃用字段,包括
AllowNondistributableArtifactsCIDRs和AllowNondistributableArtifactsHostnames
生态系统更新
组件版本升级
- BuildKit 更新至 v0.21.0,带来构建性能改进和新特性
- Compose 升级到 v2.35.0,增强了编排能力
- Go 运行时更新至 1.23.8,包含安全修复和性能优化
平台支持扩展
新增了对多个新操作系统版本的支持:
- Debian "Trixie"
- Fedora 42
- Ubuntu 25.04 "Plucky Puffin"
总结
Docker v28.1.0 是一个功能丰富的中期版本,在多平台镜像支持、网络稳定性和开发者体验方面都有显著提升。实验性的 API 套接字共享功能为高级用例开辟了新途径,而大量的错误修复和性能优化则进一步巩固了 Docker 作为容器化平台领导者的地位。对于开发者而言,新引入的 docker bake 命令将简化复杂构建流程,而增强的多平台支持则让跨架构开发更加顺畅。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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