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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0288- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









