Jailmaker 项目使用教程
1. 项目介绍
Jailmaker 是一个用于在 TrueNAS SCALE 上创建持久性 Linux 'jails' 的开源项目。通过 Jailmaker,用户可以在 TrueNAS SCALE 上安装和管理各种软件(如 k3s、docker、portainer、podman 等),并且这些软件可以通过 bind mounts 完全访问所有文件。Jailmaker 利用 systemd-nspawn 来实现这一功能,使得用户可以在不使用虚拟机的情况下,轻松创建和管理 Linux 容器。
2. 项目快速启动
安装步骤
-
创建数据集:首先,在 TrueNAS SCALE 的 Web 界面中创建一个名为
jailmaker的新数据集。 -
下载 jlmkr.py 脚本:以 root 用户身份登录,并下载
jlmkr.py脚本。cd /mnt/mypool/jailmaker curl --location --remote-name https://raw.githubusercontent.com/Jip-Hop/jailmaker/main/jlmkr.py chmod +x jlmkr.py -
创建 Jail:使用
jlmkr.py脚本创建一个新的 jail。./jlmkr.py create --start myjail
配置模板
你可以使用配置模板来快速创建 jail。例如:
./jlmkr.py create --start --config /path/to/config/template myjail
启动 Jail
启动已创建的 jail:
./jlmkr.py start myjail
3. 应用案例和最佳实践
应用案例
-
运行 Docker 容器:通过 Jailmaker,用户可以在 jail 中运行 Docker 容器,而无需在主机上安装 Docker。这可以有效隔离 Docker 环境,避免与主机系统的冲突。
-
GPU 直通:Jailmaker 支持 GPU 直通,允许在 jail 中使用主机的 GPU 资源。这对于需要硬件加速的应用(如视频转码)非常有用。
最佳实践
-
使用配置模板:为了确保 jail 的一致性和可重复性,建议使用配置模板来创建 jail。
-
定期备份:由于 Jailmaker 创建的 jail 是持久性的,建议定期备份 jail 的数据集,以防止数据丢失。
-
安全配置:在创建 jail 时,注意配置安全选项,如限制 root 用户的权限,使用 seccomp 等。
4. 典型生态项目
-
TrueNAS SCALE:Jailmaker 是基于 TrueNAS SCALE 开发的,TrueNAS SCALE 是一个开源的存储操作系统,支持创建和管理 Linux 容器。
-
Docker:在 Jailmaker 创建的 jail 中,用户可以运行 Docker 容器,利用 Docker 的强大功能来管理应用。
-
Portainer:Portainer 是一个轻量级的 Docker 管理界面,可以在 Jailmaker 的 jail 中运行,方便用户管理 Docker 容器。
-
k3s:k3s 是一个轻量级的 Kubernetes 发行版,适合在资源受限的环境中运行。通过 Jailmaker,用户可以在 jail 中部署和管理 k3s。
通过以上模块的介绍,用户可以快速了解 Jailmaker 项目的基本功能和使用方法,并能够在实际应用中进行部署和配置。
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