WSL2 中 Docker 容器访问 GPU 加速视频解码的配置指南

问题背景

在 Windows Subsystem for Linux 2 (WSL2) 环境中，用户尝试通过设备透传方式将 /dev/dri 设备传递给 Docker 容器以实现 GPU 加速的视频解码功能(VA-API)。虽然 WSL2 主机环境中的 VA-API 工作正常，但在容器内却遇到了"资源分配失败"的错误。

技术分析

1. 基础配置验证

首先验证 WSL2 主机环境中的 VA-API 功能是否正常：

vainfo --display drm

正常输出应显示支持的视频编解码配置文件和入口点，确认底层驱动(Mesa Gallium driver)已正确加载。

2. 容器配置尝试

用户最初尝试使用以下命令运行容器：

sudo docker run -it --privileged --name ubuntu --device /dev/dri:/dev/dri:rwm ubuntu:22.04 bash

然后在容器内：

apt update && apt install vainfo -y
export LIBVA_DRIVER_NAME=d3d12
vainfo --display drm

但容器内报错"resource allocation failed"，表明仅透传设备节点不足以支持完整的 GPU 加速功能。

解决方案

完整配置要求

在 WSL2 环境中为 Docker 容器启用 GPU 加速视频解码需要以下完整配置：

1. 设备透传：透传 /dev/dri 设备节点
2. 环境变量设置：指定正确的驱动名称
3. 权限配置：确保容器有足够权限访问 GPU 资源
4. 运行时挂载：挂载必要的库文件和设备

推荐配置方案

使用以下命令运行容器可获得完整的 GPU 加速支持：

docker run -it --gpus all \
           --device /dev/dri \
           -v /usr/lib/wsl:/usr/lib/wsl \
           -e LIBVA_DRIVER_NAME=d3d12 \
           ubuntu:22.04 bash

关键配置说明：

• --gpus all：启用所有 GPU 资源
• --device /dev/dri：透传显示渲染接口设备
• -v /usr/lib/wsl:/usr/lib/wsl：挂载 WSL 特定的库文件
• -e LIBVA_DRIVER_NAME=d3d12：指定使用 Direct3D 12 驱动

技术原理

WSL2 的 GPU 加速视频解码功能基于以下组件协同工作：

1. Windows 驱动：提供底层的 Direct3D 12 支持
2. Mesa 3D 库：在 Linux 环境中实现 VA-API 接口
3. D3D12 Gallium 驱动：桥接 Linux VA-API 和 Windows D3D12
4. WSL 专用组件：处理 Windows 和 Linux 间的交互

仅透传设备节点无法提供完整的运行时环境，必须同时挂载 WSL 特定的库文件才能确保所有组件正常工作。

验证方法

配置完成后，可通过以下步骤验证功能：

1. 在容器内安装 vainfo 工具：

apt update && apt install -y vainfo

2. 设置环境变量：

export LIBVA_DRIVER_NAME=d3d12

3. 运行测试：

vainfo --display drm

成功时应显示与主机环境相同的输出，包括支持的编解码配置和驱动信息。

常见问题排查

1. 权限问题：

   • 确保使用 sudo 或当前用户在 docker 组中
   • 检查容器是否以 --privileged 模式运行

2. 驱动加载失败：

   • 确认 /usr/lib/wsl 目录已正确挂载
   • 验证 LIBVA_DRIVER_NAME 环境变量设置正确

3. 资源分配失败：

   • 检查 WSL2 版本是否为最新
   • 确认主机显卡驱动已更新

性能优化建议

1. 对于视频处理应用，建议分配更多 GPU 资源：

docker run --gpus '"device=0"' ...

2. 考虑使用 nvidia-docker 运行时以获得更好的 NVIDIA GPU 支持

3. 对于生产环境，建议构建包含所有必要依赖的自定义镜像，而非每次运行时安装

总结

在 WSL2 环境中为 Docker 容器配置 GPU 加速视频解码功能需要特别注意完整的运行时环境配置。仅透传设备节点是不够的，必须同时挂载 WSL 特定的库文件并正确设置环境变量。通过本文提供的完整配置方案，开发者可以充分利用 Windows 主机的 GPU 资源来加速 Linux 容器中的视频处理任务。