libkrun v1.11.0 发布:安全虚拟化与性能优化新特性
libkrun 是一个轻量级的虚拟化运行时环境,它利用 KVM 和其他虚拟化技术来提供安全隔离的执行环境。该项目最初由 Red Hat 开发,现已成为 containers 组织下的开源项目。libkrun 特别适合需要快速启动、低开销的容器化场景,同时提供了强大的安全隔离能力。
核心特性更新
1. 安全增强:全面转向 SEV-ES
本次版本移除了对传统 AMD SEV 的支持,完全转向 SEV-ES(Secure Encrypted Virtualization with Encrypted State)。SEV-ES 提供了更强大的安全保护,不仅加密虚拟机内存,还加密了 CPU 寄存器状态,有效防止了多种侧信道攻击。这一变化反映了项目对安全性的持续关注,确保用户能够获得最先进的硬件级安全保护。
2. 外部内核加载支持
新增了加载外部内核的功能,这为用户提供了更大的灵活性。现在,用户可以根据需要选择特定的内核版本或配置,而不再局限于内置内核。这一特性特别适合需要定制内核参数或使用特殊内核模块的场景。
3. 中断控制器改进与 GICv3 支持
项目对中断控制器进行了通用化重构,并实现了对 in-kernel GICv3(Generic Interrupt Controller v3)的支持,特别是在 HVF(Hypervisor.framework)环境下。这一改进显著提升了中断处理的效率和性能,为 ARM 架构提供了更好的支持。
性能优化与稳定性提升
1. 控制台设备修复
修复了一个可能导致 libkrun 在退出时挂起的控制台设备 bug。这个修复提高了系统的可靠性,确保虚拟机能够干净地关闭,避免资源泄漏。
2. macOS 特定优化
针对 macOS 平台进行了多项优化:
- 只有在使用 GPU 时才生成辅助线程,减少不必要的资源消耗
- 为原始磁盘设置 CacheType::Unsafe,提高 I/O 性能
- 改进了 EFI 风格的 shutdown_efd 处理
3. 内存管理改进
移除了对 patchelf 的依赖,简化了构建过程并提高了可移植性。同时,优化了库文件的查找逻辑,使得在没有 libkrunfw 的情况下也能优雅降级。
开发者体验增强
1. 端到端测试框架
引入了完整的端到端测试框架,大大提高了代码质量和稳定性。这个框架允许开发者编写全面的测试用例,覆盖各种使用场景,确保每次变更都不会引入回归问题。
2. 代码质量提升
进行了多轮 clippy 警告修复和废弃单元测试清理,提高了代码的整体质量。这些改进虽然对最终用户不可见,但为项目的长期维护奠定了更坚实的基础。
3. 构建系统优化
修复了增量构建问题,使开发过程中的构建更加高效。同时改进了 pkg-config 文件,正确包含了库和头文件目录信息。
新功能与 API 扩展
1. 用户权限控制
新增了 krun_setuid 和 krun_setgid 函数,提供了更精细的权限控制能力。这些 API 允许在虚拟机运行时动态调整用户和组权限,增强了安全性和灵活性。
2. vsock 网络改进
对 vsock 网络栈进行了多项改进,特别是 TCP 连接处理的优化。这些更改解决了 guest 系统中 TCP 连接可能出现的错误问题,提高了网络通信的可靠性。
3. gvproxy 集成
新增了与 gvproxy 套接字的连接能力,这为网络配置提供了更多选项,特别是在复杂的网络环境中。
总结
libkrun v1.11.0 带来了显著的安全增强、性能优化和开发者体验改进。从全面转向 SEV-ES 到外部内核加载支持,再到中断控制器的重大重构,这个版本为安全虚拟化领域树立了新的标杆。对于需要轻量级、高性能虚拟化解决方案的用户来说,这个版本提供了更强大、更稳定的基础。
特别值得注意的是,项目对多平台的支持持续加强,特别是 macOS 平台的特性和性能优化,使得 libkrun 成为跨平台虚拟化解决方案的有力竞争者。随着测试框架的完善和代码质量的提升,libkrun 的稳定性和可靠性达到了新的高度。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00