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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00