容器-使用slim減少10x+大模型鏡像

slim(原docker-slim)是一個開源工具,全稱SlimToolkit(https://github.com/slimtoolkit/slim),用于基于已有的Docker鏡像減小鏡像的大小,同時盡可能保留容器的功能。它通過分析鏡像的運行環境和應用程序依賴,移除不必要的文件和組件,從而減少鏡像的大小,加快容器的啟動速度,并減少資源的占用。官方聲稱可以縮小達30倍。

在這里插入圖片描述

安裝

測試機使用anolis 8 x86_64 (kernel 5.10.134-13.an8.x86_64),所以直接選擇對應版本二進制即可。

#wget https://github.com/slimtoolkit/slim/releases/download/1.40.11/dist_linux.tar.gz
#tar zxvf dist_linux.tar.gz
#rsync -vaP dist_linux/* /usr/bin/
使用
1. 測試官方提供的鏡像
>> docker pull archlinux:latest
...>> slim build --target archlinux:latest --tag archlinux:curl --http-probe=false --exec "curl checkip.amazonaws.com"
...>> docker run archlinux:curl curl checkip.amazonaws.com
...>> docker images
archlinux                 curl                ...        ...         17.4MB
archlinux                 latest              ...        ...         467MB
...
2. 測試大模型大鏡像
# slim build --target cuda-runc:2.8.1 --tag cuda-runc:slim-2.8.1 --http-probe=false
cmd=slim info=exec message='changing continue-after from probe to nothing because http-probe is disabled' 
cmd=slim info=exec message='changing continue-after to enter' 
cmd=slim state=started
cmd=slim info=cmd.input.params target.type='image' target.image='cuda-runc:2.8.1' continue.mode='enter' rt.as.user='true' keep.perms='true' tags='cuda-runc:slim-2.8.1' image-build-engine='internal' 
cmd=slim state=image.inspection.start
cmd=slim info=image id='sha256:2cee313ecf4c2dc18d717e58dcac4918221c48d29905302c69dd63cbd8855b6f' size.bytes='196438600805' size.human='196 GB' 
cmd=slim info=image.stack name='cuda-runc:2.8.1' id='sha256:2cee313ecf4c2dc18d717e58dcac4918221c48d29905302c69dd63cbd8855b6f' index='0' 
cmd=slim info=image.exposed_ports list='8888/tcp,6006/tcp' 
cmd=slim state=image.inspection.done
cmd=slim state=container.inspection.start
cmd=slim info=sensor location='/usr/bin/mint-sensor' filemode='-rwxr-xr-x' version='linux/amd64|ALP|x.1.42.2|29e62e7836de7b1004607c51c502537ffe1969f0|2025-01-16_07:48:54AM|x' volume='mint-sensor.x.1.42.2' 
cmd=slim info=container status='created' name='mintk_17355_20250609103324' id='ffa7c3ad2adf1b14325cc6607b94fc8d52248a726c47fed472d4779a92b24073' 
cmd=slim info=container name='mintk_17355_20250609103324' id='ffa7c3ad2adf1b14325cc6607b94fc8d52248a726c47fed472d4779a92b24073' status='running' 
cmd=slim info=container message='obtained IP address' ip='172.17.0.2' 
cmd=slim info=cmd.startmonitor status='sent' 
cmd=slim info=event.startmonitor.done status='received' 
cmd=slim info=container name='mintk_17355_20250609103324' id='ffa7c3ad2adf1b14325cc6607b94fc8d52248a726c47fed472d4779a92b24073' target.port.list='32780,32781' target.port.info='8888/tcp => 0.0.0.0:32780,6006/tcp => 0.0.0.0:32781' message='YOU CAN USE THESE PORTS TO INTERACT WITH THE CONTAINER' 
cmd=slim info=continue.after mode='enter' message='provide the expected input to allow the container inspector to continue its execution' 
cmd=slim prompt='USER INPUT REQUIRED, PRESS <ENTER> WHEN YOU ARE DONE USING THE CONTAINER'
cmd=slim state=container.inspection.finishing
cmd=slim state=container.inspection.artifact.processing
cmd=slim state=container.inspection.done
cmd=slim state=building message="building optimized image" engine=internal 
cmd=slim state=completed
cmd=slim info=results status='MINIFIED' by='11.76X' size.original='196 GB' size.optimized='17 GB' 
cmd=slim info=results image.digest='sha256:7a6048f8cff2103fdb760392e9abf15f87dfe6bd7e22cbc91e4c22d2e4d5314e' has.data='true' image-build-engine='internal' image.name='cuda-runc:slim-2.8.1' image.size='17 GB' image.id='sha256:065d66c7e559286c32db72d02e9e5212a5331ff1e7681dde7ea281daf96330b8' 
cmd=slim info=results artifacts.location='/tmp/mint-state/.mint-state/images/2cee313ecf4c2dc18d717e58dcac4918221c48d29905302c69dd63cbd8855b6f/artifacts' 
cmd=slim info=results artifacts.report='creport.json' 
cmd=slim info=results artifacts.dockerfile.reversed='Dockerfile.reversed' 
cmd=slim info=results artifacts.seccomp='cuda-runc-seccomp.json' 
cmd=slim info=results artifacts.apparmor='cuda-runc-apparmor-profile' 
cmd=slim state=done
cmd=slim info=commands message='use the xray command to learn more about the optimize image' 
cmd=slim info=report file='slim.report.json' 
cmd=slim info=version status='OUTDATED' local='x.1.42.2' current='1.41.7' 
cmd=slim message='Your version of MinToolkit is out of date! Use `mint update` to get the latest version.'
app='mint' message='GitHub Discussions' info='https://github.com/mintoolkit/mint/discussions'
app='mint' message='Join the CNCF Slack channel to ask questions or to share your feedback' info='https://cloud-native.slack.com/archives/C059QP1RH1S'
app='mint' message='Join the Discord server to ask questions or to share your feedback' info='https://discord.gg/fAvq4ruKsG'
實測效果
1. 官方的鏡像壓縮了20倍+
#docker images
archlinux                                                                              curl    1d98ea103b43 22 minutes ago   22.1M
archlinux                                                                                 latest 694ad64eaa86   4 days ago       486MB
2. 大模型鏡像壓縮了11倍+
cuda-runc                                                  2.8.1         2cee313ecf4c   4 weeks ago     196GB
cuda-runc                                                  slim-2.8.1   065d66c7e559   6 minutes ago   16.7GB

綜上:slim的壓縮效果還是很不錯的。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/908781.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/908781.shtml
英文地址,請注明出處:http://en.pswp.cn/news/908781.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Golang基礎學習

?????????? 初見golang語法 go項目路徑 cd $GOPATH //ls可以看到有bin,pkg,src三個文件 cd src/ mkdir GolangStudy cd GolangStudy mkdir firstGolanggo程序執行&#xff1a; go run hello.go//如果想分兩步執行&#xff1a; go build hello.go ./hello導入包的…

OPenCV CUDA模塊圖像處理-----對圖像執行 均值漂移濾波(Mean Shift Filtering)函數meanShiftFiltering()

操作系統&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 編程語言&#xff1a;C11 算法描述 在 GPU 上對圖像執行 均值漂移濾波&#xff08;Mean Shift Filtering&#xff09;&#xff0c;用于圖像分割或平滑處理。 該函數將輸入圖像中的…

電路圖識圖基礎知識-遠程/本地啟停電動機(二十一)

在實際的生產中&#xff0c;經常會需要電動機的控制可以就地控制和遠方控制&#xff0c;在集中的控制室中&#xff0c;遠 方控制電動機的啟動、停止。在就地設置啟動、停止按鈕或是緊急停車按鈕&#xff0c;以滿足生產的需要。 1.遠程、多點及連鎖控制電動機電路 2.元器件配置…

SpringBoot+uniapp 的 Champion 俱樂部微信小程序設計與實現,論文初版實現

摘要 本論文旨在設計并實現基于 SpringBoot 和 uniapp 的 Champion 俱樂部微信小程序&#xff0c;以滿足俱樂部線上活動推廣、會員管理、社交互動等需求。通過 SpringBoot 搭建后端服務&#xff0c;提供穩定高效的數據處理與業務邏輯支持&#xff1b;利用 uniapp 實現跨平臺前…

【深度學習新浪潮】什么是credit assignment problem?

Credit Assignment Problem(信用分配問題) 是機器學習,尤其是強化學習(RL)中的核心挑戰之一,指的是如何將最終的獎勵或懲罰準確地分配給導致該結果的各個中間動作或決策。在序列決策任務中,智能體執行一系列動作后獲得一個最終獎勵,但每個動作對最終結果的貢獻程度往往…

__VUE_PROD_HYDRATION_MISMATCH_DETAILS__ is not explicitly defined.

這個警告表明您在使用Vue的esm-bundler構建版本時&#xff0c;未明確定義編譯時特性標志。以下是詳細解釋和解決方案&#xff1a; ?問題原因?&#xff1a; 該標志是Vue 3.4引入的編譯時特性標志&#xff0c;用于控制生產環境下SSR水合不匹配錯誤的詳細報告1使用esm-bundler…

Vue.js教學第二十一章:vue實戰項目二,個人博客搭建

基于 Vue 的個人博客網站搭建 摘要: 隨著前端技術的不斷發展,Vue 作為一種輕量級、高效的前端框架,為個人博客網站的搭建提供了極大的便利。本文詳細介紹了基于 Vue 搭建個人博客網站的全過程,包括項目背景、技術選型、項目架構設計、功能模塊實現、性能優化與測試等方面。…

32位尋址與64位尋址

32位尋址與64位尋址 32位尋址是什么&#xff1f; 32位尋址是指計算機的CPU、內存或總線系統使用32位二進制數來標識和訪問內存中的存儲單元&#xff08;地址&#xff09;&#xff0c;其核心含義與能力如下&#xff1a; 1. 核心定義 地址位寬&#xff1a;CPU或內存控制器用32位…

如何在Spring Boot中使用注解動態切換實現

還在用冗長的if-else或switch語句管理多個服務實現? 相信不少Spring Boot開發者都遇到過這樣的場景:需要根據不同條件動態選擇不同的服務實現。 如果告訴你可以完全擺脫條件判斷,讓Spring自動選擇合適的實現——只需要一個注解,你是否感興趣? 本文將詳細介紹這種優雅的…

開疆智能Ethernet/IP轉Modbus網關連接鳴志步進電機驅動器配置案例

在工業自動化控制系統中&#xff0c;常常會遇到不同品牌和通信協議的設備需要協同工作的情況。本案例中&#xff0c;客戶現場采用了 羅克韋爾PLC&#xff0c;但需要控制的變頻器僅支持 ModbusRTU 協議。為了實現PLC 對變頻器的有效控制與監控&#xff0c;引入了開疆智能Etherne…

Neovim - LSP 底層原理,難點配置(二)

Neovim LSP 的工作原理 基本概念 LSP(Language Server Protocol)可以理解成是一個"語言助手"。每種編程語言都有自己的"語言助手"(比如 TypeScript 的 tsserver),這些助手能告訴你: 哪寫錯了(語法錯誤)哪能跳轉(方法定義,引用)哪可以補全(自…

UNECE R152——解讀自動駕駛相關標準法規(AEB)

Uniform provisions concerning the approval of motor vehicles with regard to the Advanced Emergency Braking System (AEBS) for M1 and N1 vehicles(2021) 原文鏈接&#xff1a;https://unece.org/sites/default/files/2024-03/R152r1am1e%20%282%29.pdf 核心內容解析 …

STM32標準庫-ADC數模轉換器

文章目錄 一、ADC1.1簡介1. 2逐次逼近型ADC1.3ADC框圖1.4ADC基本結構1.4.1 信號 “上車點”&#xff1a;輸入模塊&#xff08;GPIO、溫度、V_REFINT&#xff09;1.4.2 信號 “調度站”&#xff1a;多路開關1.4.3 信號 “加工廠”&#xff1a;ADC 轉換器&#xff08;規則組 注入…

在 Docker 容器中使用宿主機的 GPU

在 Docker 容器中使用宿主機的 GPU&#xff08;特別是 NVIDIA GPU&#xff09;需要安裝 NVIDIA Container Toolkit&#xff08;之前稱為 nvidia-docker&#xff09;。以下是詳細的配置步驟&#xff1a; 1. 宿主機環境準備 確保宿主機已正確安裝&#xff1a; NVIDIA 顯卡驅動&a…

Vue3學習(接口,泛型,自定義類型,v-for,props)

一&#xff0c;前言 繼續學習 二&#xff0c;TS接口泛型自定義類型 1.接口 TypeScript 接口&#xff08;Interface&#xff09;是一種定義對象形狀的強大工具&#xff0c;它可以描述對象必須包含的屬性、方法和它們的類型。接口不會被編譯成 JavaScript 代碼&#xff0c;僅…

Python爬蟲實戰:研究Restkit庫相關技術

1. 引言 1.1 研究背景與意義 在當今信息爆炸的時代,互聯網上存在著海量的有價值數據。如何高效地采集這些數據并將其應用于實際業務中,成為了許多企業和開發者關注的焦點。網絡爬蟲技術作為一種自動化的數據采集工具,可以幫助我們從網頁中提取所需的信息。而 RESTful API …

Java八股文——Redis篇

目錄 1. 緩存穿透解決方案1. 緩存空值2. 布隆過濾器&#xff08;Bloom Filter&#xff09;3. 參數校驗4. 接口限流與驗證碼 2. 緩存擊穿解決方案1. 設置熱點數據永不過期&#xff08;或很長過期時間&#xff09;2. 使用互斥鎖&#xff08;如分布式鎖&#xff09;3. 利用異步更新…

旋量理論:剛體運動的幾何描述與機器人應用

旋量理論為描述剛體在三維空間中的運動提供了強大而優雅的數學框架。與傳統的歐拉角或方向余弦矩陣相比&#xff0c;旋量理論通過螺旋運動的概念統一了旋轉和平移&#xff0c;在機器人學、計算機圖形學和多體動力學領域具有顯著優勢。這種描述不僅幾何直觀&#xff0c;而且計算…

Strong Baseline: Multi-UAV Tracking via YOLOv12 with BoT-SORT-ReID 2025最新無人機跟蹤

Strong Baseline: Multi-UAV Tracking via YOLOv12 with BoT-SORT-ReID 2025最新無人機跟蹤 自己研一期間的小論文大致上的結構和內容基本上已經完成&#xff0c;到了最后在測試集上測試數據的階段&#xff0c;在跑測試集的時間上就去看一些25年和多目標跟蹤的領域相關的一些內…

MyBatis中foreach集合用法詳解

在 MyBatis 中&#xff0c;<foreach> 標簽用于遍歷集合&#xff08;Collection、List、Array、Map&#xff09;&#xff0c;常用于構建動態 SQL 語句&#xff08;如 IN 查詢、批量插入等&#xff09;。以下是詳細用法和示例&#xff1a; 核心屬性 屬性描述collection必填…