Actions Runner Controller中使用私有仓库镜像时Docker-in-Docker的配置问题
问题背景
在使用Actions Runner Controller的gha-runner-scale-set chart部署自托管运行器时,当用户尝试在私有镜像仓库中使用自定义运行器镜像并启用Docker-in-Docker(dind)功能时,会遇到初始化容器无法拉取镜像的问题。
问题现象
当用户通过helm chart配置containerMode.type为"dind"时,系统会自动创建一个名为"init-dind-externals"的初始化容器。这个容器默认会尝试拉取与主运行器容器相同的镜像,但由于缺乏imagePullSecrets配置,导致出现ImagePullBackOff错误。
技术分析
问题的核心在于gha-runner-scale-set chart的模板设计。当启用dind模式时,chart会自动生成一个初始化容器,该容器的镜像引用与主运行器容器相同。然而,chart没有提供直接的方式来为这个初始化容器配置imagePullSecrets。
解决方案
经过技术验证,推荐采用以下两种解决方案:
-
使用扩展配置替代简写模式 不要使用简单的
type: "dind"配置,而是采用完整的dind配置方式。这种方式允许更精细地控制各个容器的配置,包括显式指定imagePullSecrets。 -
显式配置imagePullSecrets 在template.spec下明确配置imagePullSecrets,确保所有容器(包括初始化容器)都能正确地从私有仓库拉取镜像。
最佳实践建议
对于需要在私有仓库中使用自定义运行器镜像并启用dind功能的场景,建议采用完整的配置方式:
containerMode:
kubernetesMode:
dindEnabled: true
dockerdContainerResources: {}
dockerdWithinRunnerContainer: false
同时确保在template.spec中配置了正确的imagePullSecrets。这种方式提供了更好的可控性和灵活性,能够适应各种复杂的部署环境。
总结
在Actions Runner Controller中配置私有仓库镜像时,需要特别注意dind模式下的初始化容器配置问题。通过采用更详细的配置方式而非简写模式,可以避免镜像拉取失败的问题,确保运行器能够正常启动和工作。
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