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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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