Kamal项目多架构镜像构建问题分析与解决方案
2025-05-18 16:30:50作者:昌雅子Ethen
背景介绍
Kamal是一个现代化的应用部署工具,它支持通过Docker构建和部署应用。在多架构环境下(如同时支持ARM64和AMD64),Kamal提供了本地与远程构建器协同工作的能力,以实现高效的跨平台镜像构建。
问题现象
在使用Kamal进行多架构镜像构建时,用户遇到了一个典型问题:当配置同时使用本地ARM64构建器和远程AMD64构建器时,虽然本地构建成功并将镜像推送到仓库,但远程构建器在尝试拉取镜像时失败,错误提示为"no matching manifest for linux/amd64 in the manifest list entries"。
技术分析
构建流程解析
Kamal的多架构构建流程设计如下:
- 根据配置创建多个构建器实例(本地和远程)
- 每个构建器负责构建特定架构的镜像
- 将不同架构的镜像合并为多架构清单
- 推送到镜像仓库
问题根源
通过分析用户提供的日志和配置,可以确定问题出在构建流程的协调上。具体表现为:
- 构建命令中缺少显式的多平台参数,导致只构建了单一架构
- 构建器之间缺乏协调,远程构建器未被正确触发
- 最终生成的镜像清单不完整,缺少AMD64架构的镜像
解决方案
Kamal团队在1.8.3版本中修复了这个问题,主要改进包括:
- 完善了多架构构建的协调逻辑
- 确保所有配置的构建器都被正确调用
- 正确处理多架构镜像清单的生成和推送
配置示例
正确的多架构构建配置应如下所示:
builder:
arch:
- amd64
- arm64
remote: ssh://user@server-ip
或者更详细的配置方式:
builder:
local:
arch: arm64
host: unix:///Users/username/.docker/run/docker.sock
remote:
arch: amd64
host: ssh://root@server-ip
最佳实践
- 版本要求:确保使用Kamal 1.8.3或更高版本
- 清理缓存:在升级后执行
kamal build remove清除旧构建缓存 - 验证配置:通过
docker context ls检查构建器是否正确创建 - 日志分析:关注构建日志中是否包含所有架构的构建过程
常见问题排查
如果升级后仍遇到问题,可以检查:
- 远程构建器的Docker环境是否正常
- 构建器是否有权限访问镜像仓库
- 网络连接是否稳定,特别是SSH连接
- 镜像仓库是否支持多架构存储
总结
Kamal的多架构构建功能为跨平台部署提供了便利,但在使用过程中需要注意配置的正确性和版本的兼容性。通过理解构建流程和掌握问题排查方法,可以充分发挥这一功能的优势,实现高效的跨平台应用部署。
对于使用Apple Silicon(M1/M2)等ARM架构开发机的团队,这一功能尤为重要,它允许开发者在本地构建ARM镜像的同时,利用远程服务器构建AMD64镜像,大大提高了开发效率。
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 StartedRust0212
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 Notebook0136
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 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++
872
2.01 K
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
468
461
Ascend Extension for PyTorch
Python
757
960
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++
696
1.4 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646