- 白名单 & 限流 的公开信息 #2328
- 如有疑问请咨询 #4183
- 建议将拉取任务放在闲时 凌晨(北京时间 01-07 点), 其他时间段非常拥挤
- 建议使用明确版本号的 tag, 对于 latest 这种变更后响应旧数据, 并且后台重新同步
- 本服务后端 OpenCIDN
很多镜像都在国外。比如 gcr 。国内下载很慢,需要加速。
- 一个简洁有效的方法能够加速这些包。简洁的名称映射
- 易于添加,添加新的包,不需要去修改代码。
- 稳定可靠,更新实时。每天检查同步情况。
- 此项目仅是源镜像仓库 (Registry) 的 Mirror
- 所有 hash(sha256) 均和源保持一致 (懒加载机制)。
- 由于缓存的存在, 可能存在 1 小时的延迟。
- 对于 镜像层(blob) 会缓存在第三方对象存储上
- 当前暂未对内容做任何检测, 计划会添加检测。
- 不定期会清理一次缓存。
docker run -d -P m.daocloud.io/docker.io/library/nginx
增加前缀 (推荐方式)。比如:
docker.io/library/busybox
|
V
m.daocloud.io/docker.io/library/busybox
或者 支持的镜像仓库 的 前缀替换 就可以使用。比如:
docker.io/library/busybox
|
V
docker.m.daocloud.io/library/busybox
在拉取的时候如果我们没有缓存, 将会在 同步队列 添加同步缓存的任务.
推荐使用添加前缀的方式.
前缀替换的 Registry 的规则, 这是人工配置的, 有需求提 Issue.
| 源站 | 替换为 | 备注 |
|---|---|---|
| docker.elastic.co | elastic.m.daocloud.io | |
| docker.io | docker.m.daocloud.io | |
| gcr.io | gcr.m.daocloud.io | |
| ghcr.io | ghcr.m.daocloud.io | |
| k8s.gcr.io | k8s-gcr.m.daocloud.io | k8s.gcr.io 已被迁移到 registry.k8s.io |
| registry.k8s.io | k8s.m.daocloud.io | |
| mcr.microsoft.com | mcr.m.daocloud.io | |
| nvcr.io | nvcr.m.daocloud.io | |
| quay.io | quay.m.daocloud.io | |
| registry.ollama.ai | ollama.m.daocloud.io | 实验内测中,使用方法 |
kubeadm config images pull --image-repository k8s-gcr.m.daocloud.io
kind create cluster --name kind --image m.daocloud.io/docker.io/kindest/node:v1.22.1
https://github.com/wzshiming/repimage
不修改 yaml, helm 等, 仅使用 Webhook, 自动修改所有新建 Pod 的 image 使用本 mirror
kubectl create -f https://files.m.daocloud.io/github.com/wzshiming/repimage/releases/download/latest/repimage.yaml kubectl rollout status deployment/repimage -n kube-system
- 参考 Containerd 官方文档: hosts.md
- 如果您使用 kubespray 安装 containerd, 可以配置
containerd_registries_mirrors
添加到 /etc/docker/daemon.json
{
"registry-mirrors": [
"https://docker.m.daocloud.io"
]
}CPU:
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama docker.m.daocloud.io/ollama/ollama
GPU 版本:
- 首先安装 Nvidia Container Toolkit
- 运行以下命令启动 Ollama 容器:
docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama docker.m.daocloud.io/ollama/ollama
更多信息请参考:
如上述步骤,在启动了ollama容器的前提下,还可以通过加速源,加速启动DeepSeek相关的模型服务
注:目前 Ollama 官方源的下载速度已经很快,您也可以直接使用官方源。
# 使用加速源 docker exec -it ollama ollama run ollama.m.daocloud.io/library/deepseek-r1:1.5b # 或直接使用官方源下载模型 # docker exec -it ollama ollama run deepseek-r1:1.5b
- 镜像加速:https://github.com/DaoCloud/public-image-mirror
- 二进制文件加速:https://github.com/DaoCloud/public-binary-files-mirror
Made with contrib.rocks.