
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。
Dockerfile链接SysFlow遥测管道是一个用于监控云工作负载及创建性能和安全分析的框架。该项目旨在构建系统遥测所需的所有基础组件,使用户能够专注于在可扩展的通用开源平台上编写和共享分析。遥测管道的核心是一种名为SysFlow的新数据格式,它将原始系统事件信息提升为描述进程行为及其与容器、文件和网络关系的抽象。这种对象关系格式高度紧凑,同时提供对容器云的广泛可见性。我们还构建了多个API,允许用户使用他们喜爱的工具包处理SysFlow。更多关于SysFlow的信息,请参见https://sysflow.readthedocs.io/en/latest/spec.html%E3%80%82
SysFlow框架包含以下子项目:
此镜像包含SysFlow Exporter,用于将SysFlow跟踪数据导出到S3兼容的对象存储。完整的选项集请参见https://sysflow.readthedocs.io/en/latest/exporter.html#usage%E3%80%82
运行SysFlow exporter最简单的方式是通过Docker容器,并挂载主机上需要导出的跟踪文件目录。以下命令展示如何运行sf-exporter,假设跟踪文件位于主机的/mnt/data目录:
bashdocker run -d --rm --name sf-exporter \ -e S3_ENDPOINT=<ip地址> \ -e S3_BUCKET=<桶名称> \ -e S3_ACCESS_KEY=<访问密钥> \ -e S3_SECRET_KEY=<密钥> \ -e NODE_IP=$HOSTNAME \ -e INTERVAL=150 \ -v /mnt/data:/mnt/data \ docker.xuanyuan.run/sysflowtelemetry/sf-exporter
也可以通过Docker secrets s3_access_key和s3_secret_key读取S3密钥。docker compose和helm部署说明可参见https://sysflow.readthedocs.io/en/latest/deploy.html%E3%80%82
查看此镜像中包含的软件的https://github.com/sysflow-telemetry/sf-exporter/blob/master/LICENSE.md%E3%80%82
与所有Docker镜像一样,这些镜像可能还包含其他受其他许可证约束的软件(例如基础发行版中的Bash等,以及主要软件的任何直接或间接依赖项)。
对于任何预构建镜像的使用,镜像用户有责任确保对该镜像的任何使用都符合其中包含的所有软件的相关许可证。
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务