Docker Buildx缓存配置问题解析:GHCR推送时误向默认容器仓库导出缓存
2025-06-17 22:23:12作者:冯爽妲Honey
在使用Docker Buildx构建镜像并推送到GitHub容器注册表(GHCR)时,开发者遇到了一个典型的缓存配置问题。当使用--cache-to inline参数时,系统错误地尝试将缓存数据推送到默认容器仓库(registry.docker.io),导致授权失败。
问题现象
在GitHub Actions工作流中配置了以下构建命令:
docker buildx build \
--cache-from type=registry,ref=ghcr.io/effigies/buildx-repro:main \
--cache-to inline \
--tag ghcr.io/effigies/buildx-repro:main \
--push \
.
执行时出现错误提示:
ERROR: failed to solve: error writing layer blob: failed to authorize: failed to fetch oauth token: unexpected status from GET request to https://auth.docker.io/token?scope=repository%3Alibrary%2Finline%3Apull%2Cpush&service=registry.docker.io: 401 Unauthorized
根本原因
这个问题源于对--cache-to参数格式的误解。当仅使用inline作为参数值时,Buildx会将其解析为默认容器仓库上的镜像引用docker.io/library/inline,而不是预期的内联缓存模式。
正确配置方法
正确的缓存配置应该明确指定类型为inline:
docker buildx build \
--cache-from type=registry,ref=ghcr.io/effigies/buildx-repro:main \
--cache-to type=inline \
--tag ghcr.io/effigies/buildx-repro:main \
--push \
.
技术背景
Docker Buildx的缓存机制支持多种存储方式:
- 内联缓存(inline):将缓存数据直接嵌入到镜像中
- 注册表缓存(registry):将缓存数据推送到指定的容器注册表
- 本地缓存(local):将缓存数据存储在构建主机上
当不明确指定缓存类型时,Buildx会尝试将参数值解释为镜像引用,这是Docker CLI的常见行为模式(如docker run ubuntu实际指向docker.io/library/ubuntu)。
最佳实践建议
- 始终明确指定缓存类型(type)
- 对于GHCR等非默认容器仓库,确保认证配置正确
- 在CI/CD流水线中,建议先检查缓存是否存在再尝试使用
- 考虑结合多种缓存方式提高构建效率
通过正确配置缓存参数,可以充分利用Buildx的缓存功能加速构建过程,同时避免不必要的认证错误。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217