如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
随着容器化网络操作系统(NOS)数量的不断增长,在用户定义的通用实验室拓扑中轻松运行这些系统的需求也日益增加。
遗憾的是,像docker-compose这样的容器编排工具并不适合此用途,因为它们无法让用户轻松创建定义拓扑所需的容器间连接。
Containerlab提供了用于编排和管理基于容器的网络实验室的CLI。它启动容器,在容器之间构建虚拟连接以创建用户选择的实验室拓扑,并管理实验室的生命周期。
Containerlab专注于容器化网络操作系统,这些系统通常用于测试网络功能和设计,例如:
除了原生容器化NOS外,containerlab还可以通过vrnetlab或boxen集成启动基于传统虚拟机的路由器:
当然,containerlab完全能够连接任意Linux容器,这些容器可以承载网络应用、虚拟功能或仅作为测试客户端。通过这些功能,containerlab提供了单一的IaaC接口来管理实验室,该实验室可以包含所有所需的节点变体:
以下简短视频简要演示了containerlab的功能并解释了其用途:
clab文件以声明式方式定义实验室。generate功能,可以定义/启动任意规模的基于CLOS的拓扑。只需指定所需的层级数量和每个层级的规模,其余工作将在瞬间完成。Containerlab文档可在官方网站获取。
来自真实用户的反馈,见证轩辕镜像的优质服务