Whats-Up-Docker项目中LSCR镜像仓库的OCI清单获取问题分析
在容器化技术日益普及的今天,Docker镜像的管理和版本控制变得尤为重要。Whats-Up-Docker作为一个监控Docker镜像更新的工具,其核心功能之一就是从各种镜像仓库获取镜像的清单信息。本文将深入分析该工具在处理LSCR.io镜像仓库时遇到的OCI清单获取问题及其解决方案。
问题背景
Whats-Up-Docker项目中的Registry.js模块负责与各种Docker镜像仓库进行交互。当调用getImageManifestDigest方法并传入digest参数时,针对lscr.io仓库会出现错误提示:"OCI manifest found, but Accept header does not support OCI"。这表明工具能够找到OCI格式的清单,但当前的HTTP请求头不支持这种格式。
技术原理
Docker镜像清单主要有两种格式:
- Docker格式:使用
application/vnd.docker.distribution.manifest.v2+json等MIME类型 - OCI格式:使用
application/vnd.oci.image.manifest.v1+json等MIME类型
类似地,清单列表(用于多架构镜像)也有对应的两种格式。现代镜像仓库如lscr.io可能默认返回OCI格式的清单,而Whats-Up-Docker原有的Accept头仅包含了Docker格式的支持。
解决方案
修复方案是在HTTP请求的Accept头中添加对OCI格式的支持。具体修改包括在现有的Accept头值中增加两个新的MIME类型:
application/vnd.oci.image.index.v1+json:OCI格式的清单列表application/vnd.oci.image.manifest.v1+json:OCI格式的单架构清单
这样修改后,工具就能正确处理lscr.io仓库返回的OCI格式清单了。
实现细节
修改后的Registry.js代码会在请求镜像清单时发送包含四种MIME类型的Accept头,确保兼容各种镜像仓库的返回格式:
const responseManifests = await this.callRegistry({
image,
url: `${image.registry.url}/${image.name}/manifests/${tagOrDigest}`,
headers: {
Accept: 'application/vnd.docker.distribution.manifest.list.v2+json, application/vnd.oci.image.index.v1+json, application/vnd.docker.distribution.manifest.v2+json, application/vnd.oci.image.manifest.v1+json',
},
});
总结
这个问题的解决体现了容器生态系统中格式兼容性的重要性。随着OCI标准越来越普及,工具开发者需要考虑同时支持Docker和OCI两种格式。Whats-Up-Docker通过扩展Accept头的方式优雅地解决了这个问题,既保持了向后兼容性,又增加了对新标准的支持。这种解决方案也适用于其他需要与多种镜像仓库交互的Docker相关工具开发。
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