Docker Buildx v0.22.0 版本发布:构建工具的重大更新
Docker Buildx 是 Docker 官方推出的下一代构建工具,它基于 BuildKit 构建引擎,提供了更强大、更灵活的容器镜像构建能力。作为 Docker CLI 的插件,Buildx 不仅支持传统的单架构镜像构建,还能够轻松创建多平台镜像,并提供了丰富的构建功能。
新版本核心特性
构建历史记录导入功能
v0.22.0 版本引入了全新的 buildx history import 命令,这一功能特别针对 Docker Desktop 用户设计。通过该命令,开发者可以将构建记录导入到 Docker Desktop 中,以便在 Build UI 中进行更深入的调试和分析。这一功能极大地方便了开发者在本地环境中复现和排查构建问题。
构建历史记录的灵活访问
新版本对历史记录访问进行了增强,现在可以通过相对偏移量来访问历史记录。例如,使用 ^1 可以访问倒数第二条记录。这一改进适用于 history inspect、history logs 和 history open 等多个命令,使得开发者能够更便捷地回溯和分析之前的构建过程。
Bake 功能的增强
Bake 是 Buildx 提供的声明式构建工具,新版本对其进行了多项改进:
- 新增了
+=操作符支持,在使用--set进行覆盖时可以实现追加操作,而不仅仅是替换。 - 现在可以在使用 Bake 覆盖时设置注释(Annotations),这为构建配置提供了更好的文档支持和元数据管理能力。
驱动与兼容性改进
Docker 容器驱动的 GPU 支持
新版本中,Docker 容器驱动现在能够自动检测并添加可用的 GPU 设备到容器中。这一改进对于需要 GPU 加速的构建任务(如机器学习模型的容器化)尤为重要,大大简化了相关配置工作。
多平台支持扩展
v0.22.0 版本新增了对 NetBSD 系统的支持,进一步扩展了 Buildx 的跨平台能力。现在开发者可以在更多操作系统环境中使用 Buildx 进行容器构建。
稳定性与错误修复
本次更新包含多项稳定性改进和错误修复:
- 修复了在使用 Docker 驱动并启用 containerd 存储时的双推送问题。
- 修正了
imagetools create命令中多个标签被推送的问题,现在只有最终的清单会通过标签推送。 inspect和create命令现在会在节点启动失败时返回错误,提高了错误处理的准确性。
依赖项更新
v0.22.0 版本同步更新了多个核心依赖库,包括:
- compose-go/v2 更新至 v2.4.8
- containerd/v2 更新至 v2.0.3
- Docker CLI 和 Docker 引擎更新至 v28.0.1
- BuildKit 更新至 v0.20.1
这些依赖项的更新为 Buildx 带来了更好的性能、安全性和功能支持。
总结
Docker Buildx v0.22.0 版本通过引入构建历史记录导入、增强 Bake 功能、改进 GPU 支持等多项新特性,进一步提升了容器构建的效率和灵活性。同时,通过多项错误修复和稳定性改进,使得构建过程更加可靠。对于需要频繁构建容器镜像的开发者和 DevOps 团队来说,这一版本值得升级体验。
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 StartedRust0198
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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07