Bento项目在ARM架构上构建VirtualBox虚拟机的实践与挑战
背景介绍
随着苹果M1/M2系列芯片的普及,ARM架构在开发者中的使用率显著提升。Bento作为Chef旗下的开源项目,专注于构建高质量的Vagrant基础镜像。近期社区对在ARM架构上运行CentOS 9等Linux发行版的需求日益增长,特别是在VirtualBox 7.1开始支持Apple Silicon后,这一需求变得更为迫切。
技术突破点
VirtualBox 7.1是首个正式支持Apple Silicon的版本,这为在ARM架构上构建虚拟机提供了可能。然而在实际操作中,开发者们遇到了几个关键技术挑战:
-
虚拟机导出问题:早期版本在最后导出步骤会失败,这一问题在VirtualBox 7.1.6版本中得到了修复。
-
图形控制器选择:ARM架构下,传统的vmsvga图形控制器会导致GRUB引导菜单加载极慢。临时解决方案是使用qemuramfb控制器,或者首次启动后重启虚拟机。
-
存储控制器限制:ARM架构仅支持VirtioSCSI控制器,这与x86架构下的选项有所不同。
具体解决方案
针对上述问题,开发者社区通过以下方式实现了ARM架构下的虚拟机构建:
-
EFI引导:ARM架构必须使用EFI引导方式,这是与传统BIOS引导的主要区别。
-
Vagrant补丁:需要修改Vagrant源码以支持VirtioSCSI控制器,相关补丁已提交至上游项目。
-
构建模板优化:更新了Bento项目的构建模板,使其能够自动识别架构并应用正确的配置。
当前支持状态
目前Bento项目已能够成功构建大多数主流Linux发行版的ARM64架构VirtualBox镜像,包括:
- CentOS Stream 9
- Ubuntu 24.04
- 其他主流发行版
唯一例外是Debian系统,虽然能够成功构建,但存在启动问题。这源于OVF导出时丢失了EFI引导变量,临时解决方案是手动复制GRUB的.efi文件到备用引导路径。
实践建议
对于希望在ARM架构上使用Bento构建VirtualBox虚拟机的开发者,建议:
- 确保使用VirtualBox 7.1.6或更新版本
- 关注Vagrant官方对ARM架构支持的更新
- 对于Debian系统,可参考社区提供的EFI变量修复方案
- 在遇到图形界面加载缓慢时,尝试更换图形控制器或重启虚拟机
未来展望
随着ARM架构在开发环境的普及,预计将有更多改进:
- VirtualBox对ARM架构的支持将更加完善
- Vagrant将原生支持ARM架构的特殊配置
- 更多Linux发行版将优化其ARM版本对虚拟化的支持
这一系列技术进展为开发者提供了在Apple Silicon设备上构建完整虚拟化开发环境的能力,进一步丰富了跨平台开发的工具链选择。
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 StartedRust0201
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 Notebook0130
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