Docker 28.2.0-rc.2 版本技术解析:容器平台的重要更新
Docker 作为业界领先的容器化平台,持续推动着容器技术的发展。最新发布的 28.2.0-rc.2 版本带来了多项功能增强和问题修复,进一步提升了开发者和运维人员的使用体验。本文将深入解析这一版本的技术亮点和重要变更。
核心功能增强
本次更新最引人注目的是 Windows 平台对 BuildKit 的初步支持。BuildKit 作为 Docker 新一代构建引擎,相比传统构建方式具有显著的性能优势。现在 Windows 用户可以通过设置 DOCKER_BUILDKIT=1 环境变量来启用这一功能,这将为 Windows 容器开发带来更快的构建速度和更高效的缓存机制。
另一个实用改进是 docker ps 命令新增了 {{.Platform}} 格式化选项。这一功能使得开发者能够直接查看容器运行镜像的平台信息,对于多架构镜像环境下的调试和验证特别有用。
文件系统挂载方面,现在支持在绑定挂载源路径中使用相对父路径(../)。这一改进使得容器挂载配置更加灵活,特别是在复杂目录结构中操作时能显著提升便利性。
问题修复与稳定性提升
在安全认证方面,修复了 docker swarm init 命令忽略 --external-ca 选项中 cacert 参数的问题,确保了集群初始化时外部 CA 证书的正确加载。同时,CLI 工具现在能正确处理配置文件(~/.docker/config.json)为相对符号链接的情况,避免了配置保存失败的问题。
组件更新与兼容性调整
本次版本对多个核心组件进行了升级,包括将 BuildKit 更新至 v0.22.0 版本,Buildx 升级到 v0.24.0,以及 Compose 更新至 v2.36.1。这些更新带来了性能改进和新功能支持。
值得注意的是,随着 Ubuntu 20.04 "Focal" 达到生命周期终点,Docker 已停止提供该版本的软件包支持。同时,RPM 包中的 man 页面安装位置问题得到了修正,提升了文档的可访问性。
废弃功能与未来方向
版本中移除了一些过时功能,包括不再支持拉取传统的 v2 schema 1 镜像格式,以及移除了 docker search 命令中已废弃的 IsAutomated 格式化占位符。这些变更反映了 Docker 对现代化标准的坚持。
Go SDK 方面,多个与 Swarm 相关的类型已被标记为废弃,并迁移到 api/types/swarm 包中。同时,errdefs.FromStatusCode 也被标记为废弃,推荐使用 containerd 的 errhttp.ToNative 替代。这些调整旨在保持代码库的整洁和一致性。
总结
Docker 28.2.0-rc.2 版本在功能完善和稳定性提升方面做出了重要贡献,特别是 Windows 平台 BuildKit 支持的引入将为开发者带来显著的效率提升。随着过时功能的逐步移除和新特性的不断加入,Docker 平台正朝着更加现代化和高效的方向发展。建议用户关注这些变更,及时调整相关的工作流程和配置。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00