使用Ubuntu实时内核的Docker实时指南
作者:Tobit Flatscher(2021年8月 - 2023年2月)
概览
这个开源项目旨在帮助开发者在Linux操作系统上,尤其是使用Docker容器,开发和部署实时性要求高的代码。它向您详细介绍了:
- 实时系统基础知识与各种实时Linux方法概述
- 如何设置Ubuntu实时内核或安装PREEMPT_RT,包括自动重新编译内核的脚本
- 实时系统优化和性能基准测试工具cyclictest
- 在PREEMPT_RT修补过的主机系统上的实时兼容容器配置
- 针对PREEMPT_RT的Nvidia驱动程序支持
请注意,由于依赖PREEMPT_RT修补过的主机系统,该指南不适用于Windows和MacOS。
此外,如果您想要了解如何使用Docker和Docker Compose进行开发,以及如何在Visual Studio Code中设置并配合图形用户界面和ROS工作区使用,可以查看作者的另一个仓库docker-for-robotics。
应用场景
这个项目适合多种实时应用,例如:
- 控制Linux系统的实时机器人硬件,如通过EtherCAT接口的SOEM或IgH主站
- 利用SoftPLC实现数字控制,例如使用CodeSYS Control或LinuxCNC
- 音频开发中的实时编程,例如利用Juce进行实时处理
Docker与实时应用
Docker容器能够共享主机内核,因此只要主机内核具备实时能力,容器内的应用程序也可以运行实时代码。关键在于正确设置权限以及减少网络延迟选项。
安装实时内核
Ubuntu 22.04及以上版本提供了通过Ubuntu Pro订阅的实时内核,只需简单几步命令即可安装。个人用户最多可以免费注册五台机器,商业用户则需购买订阅。通过这种方式安装是最方便可靠的。doc/PreemptRt.md文档中有详细的注册和安装说明。
另外,也可以使用源码编译或现有的Debian包来安装,相关步骤同样在doc/PreemptRt.md中详细描述,并提供了自动化脚本辅助。
设置实时权限
成功安装实时内核后,只需使用特定选项启动Docker容器,即使非root用户也能设定实时优先级。详情参见doc/PreemptRt.md。
启动Docker
在安装了PREEMPT_RT之后,运行以下Docker配置,容器内的任何进程都能设置实时优先级:
cap_add:
- SYS_NICE
ulimits:
rtprio: 99
rttime: -1 # 对应'无限'
memlock: 8428281856
network_mode: host
使用这些选项启动的Docker容器将具备与主机相同的实时性能。
示例
该项目附带了一个简单的示例,供您体验。在Docker容器内部执行cyclictest,以评估系统的实时性能。比较在主机和容器中的结果差异,可以看到几乎无差别。
要启动示例,请运行:
$ docker-compose -f docker/docker-compose.yml up
然后进入benchmark/目录并运行:
$ ./mklatencyplot.bash
这会创建一个延迟直方图,测量线程实际唤醒时间与其预定唤醒时间的差值,从而显示系统潜在的延迟来源。
项目特点
- 提供详尽的实时系统设置和优化指南。
- 支持PREEMPT_RT内核的自动安装和Docker容器配置。
- 可用于多种实时应用领域,如机器人控制、数字控制和音频开发。
- 兼容性好,能确保容器内的实时性能与主机一致。
通过这个开源项目,您可以轻松地搭建实时Linux环境,并在Docker容器内安全高效地运行实时应用。无论是开发还是部署,都是一个值得尝试的优秀解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00