在Dockur/macos项目中实现Windows与macOS虚拟机文件共享的完整方案
2025-05-20 10:20:16作者:舒璇辛Bertina
背景介绍
在Windows系统上通过WSL2运行Dockur/macos项目创建的macOS虚拟机时,用户经常面临主机与虚拟机之间的文件传输需求。本文将详细介绍三种高效的文件共享方案,特别推荐基于SMB协议的共享方法。
方案一:SMB网络共享(推荐方案)
Windows端配置步骤
-
文件夹共享设置
- 右键点击目标文件夹选择"属性"
- 进入"共享"选项卡,点击"高级共享"
- 勾选"共享此文件夹",为"Everyone"用户组添加读写权限
-
网络高级设置
- 打开"网络和共享中心"
- 选择"更改高级共享设置"
- 在"所有网络"部分禁用"密码保护的共享"
-
网络类型确认
- 确保当前网络配置文件设置为"专用网络"
- 可在"设置 > 网络和Internet > 以太网"中检查
macOS端连接方法
- 打开Finder,使用快捷键Command+K
- 在服务器地址栏输入:
smb://host.docker.internal - 选择"客人"身份登录
- 浏览并挂载Windows共享的文件夹
方案二:SFTP文件传输
对于技术用户,可以配置SSH服务实现更安全的文件传输:
- 在macOS虚拟机中启用远程登录
- 使用FileZilla等SFTP客户端连接
- 传输端口通常为22
方案三:共享剪贴板与拖放
通过配置虚拟机工具实现:
- 安装增强功能工具包
- 启用共享剪贴板功能
- 配置拖放支持为双向模式
技术原理
上述SMB方案利用了Docker的特殊网络配置:
host.docker.internal是Docker提供的特殊DNS名称- 该名称会自动解析到宿主机的IP地址
- SMB协议在445端口运行,需要确保防火墙未阻止
注意事项
- 首次连接可能需要等待1-2分钟
- 传输大文件时建议使用有线网络连接
- 定期检查共享权限设置
- 敏感文件建议使用加密传输
性能优化建议
- 对于频繁访问的共享文件夹,可创建快捷方式
- 在macOS中设置自动挂载
- 考虑使用SSD存储提高传输速度
通过以上方案,用户可以轻松实现Windows宿主与macOS虚拟机之间的高效文件共享,满足日常开发和使用需求。
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
223
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++
662
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
218