新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何构建第一个forkd预热快照:从Docker镜像到可fork父VM的3步完整教程(from-image实战)

发布时间:2026/11/17 3:24:07来源:尧图网络
如何构建第一个forkd预热快照:从Docker镜像到可fork父VM的3步完整教程(from-image实战)
如何构建第一个forkd预热快照从Docker镜像到可fork父VM的3步完整教程from-image实战【免费下载链接】forkdFork() for AI agent microVMs. Spawn 100 children in ~100ms from a warm parent; BRANCH a live VM in ~150ms. KVM-isolated, snapshot CoW.项目地址: https://gitcode.com/gh_mirrors/fo/forkdforkd 是一个面向 AI Agent 的微虚拟机沙箱运行时它能从一个预热warm的父 VM 快照中 fork 出上百个隔离的子 microVM100 个子 VM 约 100 ms 就绪比冷启动快几个数量级。本教程带你用forkd from-image一条命令从任意 Docker 镜像构建第一个 forkd 预热快照并 fork 出第一批子 VM——全程 3 步首次约 2~3 分钟。为什么需要预热快照没有预热快照时每个沙箱都要经历「拉镜像 → 启动内核 → 装依赖 → import numpy/pandas」的完整冷启动。有了预热快照父 VM 只启动一次、把已 import 好的运行时暂停成快照之后所有子 VM 都以copy-on-write写时复制方式继承父 VM 的内存实测数据对比spawn 100 个可运行 numpy 的沙箱方案耗时Docker (runc)335.3 sgVisor (runsc)288.6 sFirecracker 冷启动759 msforkd预热快照 fork101 ms下面开始动手。第 0 步确认宿主机就绪forkd doctor 一键体检从 Docker 镜像构建快照依赖Docker 守护进程 KVM 内核镜像先花 10 秒确认环境# 主机初始化一次性KVM、tap 设备、Firecracker 等 sudo bash scripts/setup-host.sh sudo bash scripts/netns-setup.sh 3 # 预置 N 个子 VM 网络 namespace # 一键自检KVM、cgroup v2、Firecracker 版本、Docker 守护进程、内核镜像等 16 项 forkd doctorforkd doctor会逐项检查并给出修复提示——注意其中docker 一项只是 warn 而非 fail因为只有forkd from-image/forkd parent build需要 Docker其他命令不依赖它。全部绿灯就可以继续了内核镜像的默认搜索路径./vmlinux、/var/lib/forkd/kernels/vmlinux、/usr/local/share/forkd/vmlinux也可用--kernel或环境变量FORKD_KERNEL指定。相关脚本见 scripts/install-guest-kernel.sh运维细节见 docs/RUNBOOK.md。第 1 步一条命令完成 Docker 镜像 → 可 fork 快照核心就是这一条命令以 Python 3.12 numpy 为例sudo -E forkd from-image python:3.12-slim \ --tag py-numpy \ --extra python3-numpy它把三个子步骤串成流水线源码在 crates/forkd-cli/src/main.rsDocker → ext4把镜像文件系统导出为 ext4 块设备forkd parent build阶段底层脚本 scripts/build-rootfs.sh 负责镜像里预装了forkd-init.sh启动器。启动 预热父 VM 用该 rootfs 启动等待--boot-wait-secs默认 10 秒让系统安定。暂停 注册 tag把父 VM 内存与设备状态落盘为快照memory.binvmstate.json并把 tagpy-numpy注册给守护进程。几个常用参数完整定义见 main.rs#L315-L355参数说明--extra pkg烧进 rootfs 的 apt 包可多次指定--size-mibrootfs 大小默认 15 GiB 可下调--mem-size-mib父 VM 内存默认 512 MiB--cacherootfs 缓存目录默认/var/cache/forkd第一次运行约 1~3 分钟Docker pull 构建 ext4 预热完成后会看到✓ snapshot py-numpy ready. next: sudo -E forkd fork --tag py-numpy -n N --per-child-netns第 2 步从预热父 VM fork 子 VM快照构建好后fork 就是毫秒级操作# 从 py-numpy 快照 fork 5 个互相隔离的子 VM sudo -E forkd fork --tag py-numpy -n 5 --per-child-netns # 跑一遍基准验证你机器上的真实速度 forkd bench --tag py-numpy --n 5bench输出形如spawn (n1) 61 ms / fanout (n5) 65 ms——这就是预热快照的价值。下图是从 Hub 拉取快照后 fork 100 个 microVM 的未剪辑实录100/100 存活、总耗时约 200 ms第 3 步验证与缓存复用验证快照可用每个 child 都是独立 Firecracker 进程、独立 KVM 隔离直接在其中执行你的 agent 任务即可。缓存机制rootfs 按「镜像名 大小 extra 包列表」做缓存键存在/var/cache/forkd/。重复运行同一命令会跳过 Docker→ext4 步骤直接走 using cached rootfs快速路径但改--extra或--size-mib会触发重建避免静默复用旧 rootfs。快照还能继续叠加v0.5 起支持 diff 快照链在py-numpy之上再叠pip install pandas只会记录差异层而非再复制一份 1.5 GiB 基础内存forkd snapshot-diff --from py-numpy --tag py-pandas --exec pip install pandas2.2.3链的模型与性能见 DESIGN-v0.5-diff-snapshot-chains.md 与 bench/chain-spawn/RESULTS-v0.5.md。下一步不止预热还能 live BRANCH预热快照解决「从零开始」的问题如果父 VM 已经在跑、agent 进行到一半forkd 还能BRANCH 运行中的沙箱——暂停约 150 ms 内完成快照并恢复v0.4 live 模式下暂停窗口进一步压到 56 ms p50# 从正在运行的沙箱做 live 分支--no-wait 时约 70 ms 返回 sudo -E forkd snapshot --from-sandbox sb-id --live --no-wait常见问题速答docker 没装能 from-image 吗不能。forkd doctor会提示 docker 缺失warn 级不装 Docker 只能从已有快照pull/fork参考 docs/HUB.md。构建失败先跑什么永远先forkd doctor再查 docs/RUNBOOK.md 的故障模式章节。rootfs 快照文件放哪rootfs 缓存留在/var/cache/forkd/image.ext4快照本体在~/.local/share/forkd/snapshots/tag/发布共享快照可参考 docs/HUB.md。想直接体验官方快照forkd pull一个 Hub 上的现成快照如 PythonLangGraph跳过构建直接 fork。小结步骤命令耗时体检forkd doctor秒级构建预热快照forkd from-image 镜像 --tag tag --extra 包首次 1~3 minfork 子 VMforkd fork --tag tag -n N~100 ms / 100 个3 步之后你就拥有了一个可反复 fork、内存写时复制、KVM 隔离的 AI agent 沙箱底座。更多实战配方并行 pytest、postgres fixture、LangGraph fan-out见 recipes/版本演进看 CHANGELOG.md。【免费下载链接】forkdFork() for AI agent microVMs. Spawn 100 children in ~100ms from a warm parent; BRANCH a live VM in ~150ms. KVM-isolated, snapshot CoW.项目地址: https://gitcode.com/gh_mirrors/fo/forkd创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉