【亲测免费】 Nerdctl 安装与配置完全指南
2026-01-21 04:50:29作者:郜逊炳
项目基础介绍及编程语言
Nerdctl 是一个基于 Containerd 的 Docker 兼容命令行工具,旨在提供与 Docker 类似的用户体验,同时也支持一些高级功能,比如 Docker Compose 支持、根用户权限之外的根less模式操作、以及对懒拉取(如通过 Stargz)、加密图像、IPFS 分布式存储等的支持。此项目采用 Go 编程语言进行开发。
关键技术和框架
- Containerd: 作为核心依赖,负责容器的生命周期管理。
- BuildKit: 可选组件,用于现代镜像构建,提供了更快的构建速度和更丰富的功能。
- CNI 插件: 网络接口,确保容器可以正确地连接网络。
- RootlessKit 和 slirp4netns: 实现无根(rootless)模式下的网络隔离。
- OCICrypt: 用于图像加密和解密。
- IPFS: 可选的分布式存储方案,用于分享和分发镜像。
- Cosign: 支持容器镜像的签名和验证。
安装和配置详细步骤
准备工作
- 系统需求: 确保你的系统支持 Containerd 和 Go 应用的运行,这包括大多数Linux发行版、macOS(推荐使用Lima进行Linux虚拟化)以及Windows的WSL2环境。
- 安装Containerd: 首先,你需要安装Containerd。请访问 Containerd官方文档 来获取安装指引。
- 可选依赖: 根据你的需求可能需要安装CNI插件、BuildKit、RootlessKit、slirp4netns以及IPFS(如果需要P2P功能)。
安装Nerdctl
直接下载二进制文件
- 访问 Nerdctl 的 GitHub 发布页面,找到适用于你系统的最新版本。
- 下载对应的二进制文件,例如对于Linux x86_64用户,选择
nerdctl-<最新版本>-linux-amd64.tar.gz。 - 解压下载的文件,并将
nerdctl可执行文件移动到你的$PATH中,例如/usr/local/bin或~/bin。
使用Brew(仅限Linux)
在某些Linux发行版上,如果你有Brew包管理器,可以直接通过以下命令安装Nerdctl:
brew install nerdctl
在macOS中使用Lima进行安装
- 安装 Lima。
- 运行Lima实例并进入shell环境。
- 接着按照Linux用户的指引安装Nerdctl。
配置Nerdctl
设置默认配置
- 对于大部分用户,Nerdctl不需要额外的配置即可直接使用。
- 若需自定义配置,可以在
/etc/nerdctl/nerdctl.toml或用户目录的~/.config/nerdctl/nerdctl.toml创建配置文件。查看 配置文档 获取更多细节。
配置Rootless模式(如果适用)
- 需要安装RootlessKit和slirp4netns,并且设置Nerdctl使用这些工具。参照 Rootless模式文档 进行配置。
验证安装
安装完成后,你可以通过运行以下命令来验证Nerdctl是否成功安装和配置:
nerdctl version
这将会显示Nerdctl及其依赖的Containerd的版本信息。
至此,Nerdctl已经准备就绪,你可以开始享受它的便捷和强大的特性了,无论是简单的容器运行还是复杂的Docker Compose部署。记得查看Nerdctl的官方文档以获得全面的操作指南和最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0576
MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解,并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。Python00
DataFlow基于大模型算子和工作流的高效文本大模型训练数据合成框架Python07
doraDORA (Dataflow-Oriented Robotic Architecture 面向数据流的机器人架构) 是为 AI 与具身智能机器人打造的高性能开发框架,以数据流范式重构开发逻辑,原生支持分布式部署与端边云协同 —— 无需复杂适配,即可实现一体端到端具身大小脑、VLA等模型部署,无缝衔接感知、推理、控制全链路,让 AI 能力与机器人动作深度融合。 依托 Rust 内核与零拷贝通信技术,它将具身大小脑、VLA等模型推理、多模态数据融合延迟压缩至微秒级,同时兼容 ROS2 生态与国产 AI 芯片,彻底降低具身智能机器人的开发门槛,让分布式部署下的 AI 赋能创新更高效、更灵活。Rust02
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
py-xiaozhi基于Python的Xiaozhi AI,适用于想要完整Xiaozhi体验而无需拥有专用硬件的用户。Python01
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
509
550
暂无描述
Markdown
852
5.68 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.48 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
838
1.27 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
844
1.69 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
856
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++
1.25 K
1.37 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
345
CANN 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 Notebook
783
410