CRI-O项目全面支持OCI Artifacts挂载功能解析
2025-06-07 12:55:46作者:鲍丁臣Ursa
随着云原生技术的快速发展,容器运行时对OCI(Open Container Initiative)标准的支持已成为行业标配。作为Kubernetes生态中的重要容器运行时,CRI-O项目近期实现了对OCI Artifacts的完整支持,这一突破性进展为云原生应用带来了更灵活的存储方案。
技术背景 OCI Artifacts是OCI标准中定义的通用存储格式,它突破了传统容器镜像的限制,允许用户存储任意类型的内容。与标准OCI镜像不同,Artifacts可以使用自定义的媒体类型(media type),这为AI模型、文档集合等非传统容器内容提供了理想的存储方案。
核心实现 CRI-O通过以下关键技术实现了对OCI Artifacts的支持:
-
媒体类型扩展:不仅支持标准的
application/vnd.oci.image.layer.v1.tar类型,还能处理自定义媒体类型,如AI模型专用的application/vnd.cnai.model.layer.v1.tar。 -
多层结构处理:能够正确处理Artifacts中的多层结构,每层可以包含独立文件,突破了传统容器镜像必须有序叠加的限制。
-
ORAS工具兼容:完美支持ORAS(OCI Registry As Storage)工具创建的Artifacts,包括处理每层的独立注释信息。
技术挑战与解决方案 在实现过程中,开发团队面临了几个关键挑战:
- 名称解析问题:早期版本存在短名称和规范名称解析的缺陷,现已通过代码优化解决。
- 多运行时兼容:确保与containerd等其他运行时的行为一致性,避免生态分裂。
- 特殊格式处理:针对AI模型等特殊Artifact类型,提供灵活的配置处理机制。
应用场景 这一功能的实际应用价值体现在多个场景中:
- AI模型部署:可以直接将训练好的模型作为Artifact挂载到推理服务中。
- 配置管理:将应用配置以Artifact形式存储和分发。
- 文档集合:处理需要版本控制的大型文档集合。
未来展望 虽然当前实现已满足基本需求,但技术社区仍在持续改进:
- 优化对特殊媒体类型的处理逻辑
- 增强与不同Artifact工具的兼容性
- 探索更高效的存储和挂载机制
CRI-O对OCI Artifacts的完整支持标志着容器运行时在通用存储能力上的重大进步,为云原生应用开辟了新的可能性。这一特性已在最新版本中提供,开发者可以立即体验其带来的便利。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5暂无简介00
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1