Docker v28.1.0-rc.1 版本深度解析:新特性与优化实践
Docker 作为当前最流行的容器化平台之一,其每个版本的更新都备受开发者关注。本文将深入解析 Docker v28.1.0-rc.1 版本带来的重要变化,帮助开发者更好地理解和使用这些新功能。
Docker 项目简介
Docker 是一个开源的应用容器引擎,允许开发者打包应用及其依赖包到一个可移植的容器中,然后发布到任何流行的 Linux 机器或 Windows 机器上。它彻底改变了软件的开发、交付和运行方式,实现了"一次构建,到处运行"的理念。
核心新特性解析
1. 新增 docker bake 子命令
v28.1.0-rc.1 版本引入了一个重要的新命令:docker bake,作为 docker buildx bake 的别名。这一改进使得构建多架构镜像的工作流更加直观和便捷。对于经常需要构建跨平台镜像的开发者来说,这一简化命令将显著提升工作效率。
2. 多平台镜像支持增强
该版本对多平台镜像的支持有了显著提升。docker image inspect 命令新增了 --platform 标志,允许开发者直接查看多平台镜像中特定平台的详细信息。这一功能对于维护多架构镜像仓库的团队尤为重要,可以更精确地控制和管理不同平台的镜像变体。
关键问题修复与优化
1. 镜像管理改进
- 修复了
docker images --tree命令未包含非容器镜像内容大小的问题,现在可以准确计算所有镜像内容的总大小 - 改进了
docker load命令的行为,现在能够正确保留被替换的镜像 docker images --tree现在默认隐藏未标记和悬空的镜像,使输出更加整洁
2. 性能与稳定性提升
- 解决了
docker stats在高核数机器上的性能问题 - 修复了与私有仓库交互时
docker pull/push可能失败的问题 - 改进了根模式 Docker 在缺少
ip_tables内核模块主机上的兼容性
3. 网络功能优化
- 修复了 Swarm 容器主机端口映射在
docker ps和docker inspect中重复显示的问题 - 解决了容器网络附加失败的问题,特别是"Bridge port not forwarding"错误
- 改进了默认桥接网络中容器
--link的移除机制
API 与 SDK 重要变更
1. API v1.49 更新
/image/{name}/json端点新增platform参数,支持查询多平台镜像的特定变体/info端点现在返回FirewallBackend字段,提供守护进程防火墙配置信息
2. Go SDK 变化
- 移除了临时性的
ContextTypeJSON 输出字段 - 客户端现在尽可能保持镜像引用的规范格式
- 多项已弃用功能的移除和替代方案
系统兼容性与打包更新
- 新增对 Debian "Trixie" 和 Ubuntu "Plucky Puffin" 的支持
- 添加 Fedora 42 的软件包
- 更新 Go 运行时至 1.23.8 版本
- 升级 Compose 至 v2.35.0
开发者建议与最佳实践
-
多平台镜像管理:利用新的
--platform参数更精确地控制镜像变体,特别是在 CI/CD 流水线中。 -
网络配置:注意新版对网络端点的改进,合理规划容器网络拓扑结构以避免"has active endpoints"错误。
-
API 迁移:如果使用 Docker API 开发,注意 v1.49 中已移除的字段,及时更新客户端代码。
-
性能监控:在高核数服务器上部署时,新版
docker stats的性能改进将带来更好的监控体验。
总结
Docker v28.1.0-rc.1 版本带来了多项实用功能和重要修复,特别是在多平台镜像支持、网络稳定性和性能优化方面。开发者应关注这些变化,适时更新开发和生产环境,以获得更好的容器化体验。随着容器技术的不断发展,Docker 持续优化其核心功能,为开发者提供更强大、更稳定的工具链。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08