VideoAgentTrek-ScreenFilter在虚拟化环境部署VMware虚拟机安装与性能调优最近有不少朋友在尝试部署VideoAgentTrek-ScreenFilter这类视频处理服务时遇到了一个共同的难题手头没有多余的物理服务器或者想在现有工作站上隔离出一个独立的环境来运行。这时候虚拟化技术就成了一个非常理想的解决方案。VMware作为业界广泛使用的虚拟化平台能让我们在一台物理机上“变出”多台独立的虚拟机。但要在虚拟机里跑好VideoAgentTrek-ScreenFilter这种依赖GPU加速的服务可不是简单装个系统就完事了。你得搞定GPU直通让虚拟机直接“接管”物理显卡还得在虚拟化环境下把驱动、Docker这些环境配置妥当最后还得做些性能调优才能让服务跑得又快又稳。这篇文章我就手把手带你走一遍这个流程。从零开始在VMware里创建一台Ubuntu虚拟机配置好GPU直通然后一步步部署VideoAgentTrek-ScreenFilter并分享一些我在虚拟化环境里做性能调优的心得。整个过程我会尽量讲得直白哪怕你之前没怎么接触过VMware跟着做也能搞定。1. 准备工作与环境确认在开始动手之前有几件事需要先确认好这能帮你避免很多后续的麻烦。首先你得有一台安装了VMware Workstation Pro或VMware ESXi的物理主机。我们以更常见的Workstation Pro为例。关键是你的物理机必须有一块支持虚拟化技术Intel VT-x或AMD-V的CPU并且这块CPU得在BIOS/UEFI设置里把虚拟化功能打开。这个选项通常在“高级CPU设置”或“安全设置”里名字可能是“Intel Virtualization Technology”或“SVM Mode”把它设为“Enabled”。其次也是最重要的一点你的物理显卡必须支持GPU直通Passthrough。对于消费级的NVIDIA显卡并非所有型号都完美支持。一般来说NVIDIA的Tesla、Quadro系列数据中心或工作站显卡对虚拟化的支持最好。消费级的GeForce显卡虽然也能用但可能会遇到驱动限制比如著名的Error 43问题需要一些额外的步骤来“哄骗”系统。AMD的显卡在支持度上相对宽松一些。建议你先去VMware的兼容性指南或者显卡厂商的官网查一下你的具体型号。最后确保你的VMware Workstation Pro是最新版本老版本可能缺少对新硬件或新功能的支持。同时准备好Ubuntu Server 22.04 LTS的ISO镜像文件这个版本长期支持社区资源丰富是我们这次教程的选择。2. 创建并配置VMware虚拟机环境确认无误后我们就可以打开VMware Workstation Pro开始创建虚拟机了。2.1 新建虚拟机与基础设置点击“创建新的虚拟机”选择“自定义高级”这样可以更精细地控制配置。在硬件兼容性页面选择你VMware版本对应的最高选项如“Workstation 17.x”。接下来是关键步骤选择安装来源。这里我们点选“安装程序光盘映像文件(iso)”然后浏览找到你下载好的Ubuntu 22.04 Server ISO文件。VMware会自动检测到这是Ubuntu Linux系统。给虚拟机起个名字比如“VideoAgent-VM”并选择一个位置来存放虚拟机文件。这个位置需要有足够的磁盘空间建议至少100GB空闲空间。然后配置处理器和内存。对于运行AI服务CPU核心数和内存不能太吝啬。处理器建议分配至少4个核心。如果你的物理CPU核心数多可以分配6个或8个这对后续的视频处理任务有帮助。内存至少分配8GB。如果物理内存充足分配给虚拟机16GB或32GB会获得更流畅的体验尤其是处理高分辨率视频时。网络类型选择“使用桥接网络”这样虚拟机会获得一个和你物理机同网段的独立IP地址像一台真正的机器一样存在于网络中访问起来非常方便。2.2 配置虚拟磁盘与GPU直通I/O控制器和磁盘类型保持默认推荐选项即可LSI Logic和SCSI。在创建磁盘时选择“创建新虚拟磁盘”。磁盘大小建议设置80GB或以上。虽然Ubuntu系统本身用不了这么多但VideoAgentTrek-ScreenFilter的模型文件、处理中间文件以及视频数据都会占用空间。存储方式强烈建议选择“将虚拟磁盘拆分成多个文件”。这样更方便迁移和备份。磁盘文件命名保持默认点击下一步后在最终确认页面先别急着点完成。点击“自定义硬件...”我们要进行最重要的GPU配置。在弹出的硬件窗口中找到“显示器”选项。首先取消勾选“加速3D图形”。这个选项是VMware提供的虚拟显卡性能有限且会和我们要做的物理GPU直通冲突。然后在硬件列表底部点击“添加”按钮。在弹出的硬件类型中选择“PCI设备”。这时列表中会显示出你物理机上的PCI设备。找到你的NVIDIA或AMD显卡可能会显示为“NVIDIA Corporation”或“Advanced Micro Devices”开头的设备勾选它。注意如果你的显卡有多个设备项比如一个显卡控制器和一个音频控制器建议将它们都勾选上并添加进来以确保功能完整。添加完成后你会在硬件列表里看到新添加的PCI设备。点击“关闭”回到主窗口现在可以点击“完成”来创建虚拟机了。3. 安装Ubuntu操作系统虚拟机创建好后会自动启动并加载Ubuntu安装镜像。我们开始安装系统。选择语言在第一个界面选择“English”或“中文简体”。更新选项在“更新和其他软件”页面建议先不要选择“安装Ubuntu时下载更新”这可以加快安装速度避免因网络问题导致安装中断。我们可以在系统安装完成后手动更新。磁盘分区这是关键一步。我们选择“使用整个磁盘”即可安装程序会自动为我们分区。对于学习和测试环境这完全足够。确认无误后点击“继续”写入磁盘。配置用户设置你的用户名、服务器名hostname和密码。记住这些信息后续登录要用。安装SSH服务器在软件选择界面务必找到并勾选“OpenSSH server”。这样安装完成后我们就可以通过SSH从物理机或其他电脑远程连接这台虚拟机操作起来比在VMware窗口里更方便。等待安装点击“继续”开始安装。过程大概需要10-20分钟安装完成后会提示重启。重启后用你设置的用户名和密码登录系统。恭喜Ubuntu系统已经就绪。现在我们可以通过SSH进行后续所有操作了。在物理机上打开一个终端Windows可用PowerShell或CMD使用命令ssh 你的用户名虚拟机IP地址进行连接。虚拟机的IP地址可以在虚拟机里用ip addr命令查看。4. 虚拟化环境下的驱动与Docker安装系统装好了但要让GPU在虚拟机里干活还得安装正确的驱动并搭建好Docker环境。4.1 安装NVIDIA GPU驱动以NVIDIA为例首先更新系统包列表并升级现有软件包sudo apt update sudo apt upgrade -y对于虚拟机内的NVIDIA显卡安装驱动的方式和物理机略有不同。我们需要使用apt来安装而不是直接从NVIDIA官网下载.run文件。添加NVIDIA驱动仓库sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update查找可用的驱动版本。通常安装推荐的最新稳定版即可apt search nvidia-driver- | grep ^nvidia-driver-你会看到类似nvidia-driver-535、nvidia-driver-550这样的包。选择一个较新的版本如545或550。安装驱动和必要的头文件sudo apt install nvidia-driver-550 nvidia-headless-550 -ynvidia-headless包对于没有图形界面的服务器环境很重要。安装完成后必须重启虚拟机以使驱动生效。在VMware Workstation里重启或者SSH连接后执行sudo reboot。重启后再次SSH登录运行nvidia-smi命令。如果配置成功你应该能看到一个表格显示了你的GPU型号、驱动版本、CUDA版本以及GPU的使用情况。这表明虚拟机已经成功识别并可以控制这块物理GPU了。4.2 安装Docker与NVIDIA Container ToolkitVideoAgentTrek-ScreenFilter通常以Docker容器的方式发布和运行所以我们需要安装Docker并让Docker容器也能使用GPU。安装Docker的依赖包并添加官方GPG密钥sudo apt install ca-certificates curl -y sudo install -m 0755 -d /etc/apt/keyrings sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc sudo chmod ar /etc/apt/keyrings/docker.asc添加Docker的APT仓库echo \ deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \ $(. /etc/os-release echo $VERSION_CODENAME) stable | \ sudo tee /etc/apt/sources.list.d/docker.list /dev/null sudo apt update安装Docker引擎sudo apt install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin -y将当前用户加入docker组这样就不用每次都加sudo了sudo usermod -aG docker $USER注意这个改动需要重新登录退出SSH再重新连接才能生效。安装NVIDIA Container Toolkit让Docker支持GPUdistribution$(. /etc/os-release echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list sudo apt update sudo apt install nvidia-container-toolkit -y配置Docker使用NVIDIA作为默认的容器运行时sudo nvidia-ctk runtime configure --runtimedocker sudo systemctl restart docker验证Docker GPU支持运行一个测试容器看看GPU是否能在容器内被访问。docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi如果这个命令也能输出和宿主机虚拟机上nvidia-smi类似的GPU信息那么恭喜你Docker的GPU环境也配置成功了。5. 部署VideoAgentTrek-ScreenFilter与性能调优基础环境全部就绪现在可以部署我们的主角了。5.1 拉取并运行服务假设VideoAgentTrek-ScreenFilter的Docker镜像名为videoagent/trek-screenfilter请根据实际的镜像仓库名称替换。拉取镜像docker pull videoagent/trek-screenfilter:latest运行容器。这里需要映射端口、挂载数据卷并传递GPU设备docker run -d \ --name videoagent \ --gpus all \ -p 7860:7860 \ -v /path/to/your/data:/app/data \ videoagent/trek-screenfilter:latest-d后台运行。--name给容器起个名字。--gpus all将宿主机的所有GPU都传递给容器。-p 7860:7860将容器的7860端口映射到虚拟机的7860端口。如果服务使用其他端口请相应修改。-v /path/to/your/data:/app/data将虚拟机本地的某个目录挂载到容器内的/app/data用于持久化存储模型、配置和处理结果。请将/path/to/your/data替换为你虚拟机上的真实路径。运行后你可以用docker ps查看容器状态用docker logs videoagent查看服务启动日志。5.2 虚拟化环境性能调优建议在虚拟机里跑AI服务性能损耗是不可避免的但我们可以通过一些设置来尽量降低损耗。VMware Tools确保在Ubuntu虚拟机内安装了VMware Tools或Open VM Tools。这能显著改善虚拟机的性能特别是I/O和图形性能。在Ubuntu中通常可以通过sudo apt install open-vm-tools来安装。CPU与内存预留在VMware的虚拟机设置中可以为CPU和内存设置“预留”。这能保证虚拟机始终有固定的资源可用避免因物理机资源紧张导致虚拟机性能剧烈波动。对于生产环境建议设置。虚拟磁盘类型创建虚拟机时如果选择了NVMe控制器类型性能会优于传统的SCSI。如果你的物理磁盘是SSD效果会更明显。关闭节能模式在虚拟机的Ubuntu系统内确保CPU的节能模式cpufreq governor设置为performance以获得最大计算性能。sudo apt install cpufrequtils -y echo GOVERNORperformance | sudo tee /etc/default/cpufrequtils sudo systemctl restart cpufrequtils监控与调试使用nvidia-smi -l 1可以每秒刷新一次GPU状态观察在运行VideoAgentTrek-ScreenFilter任务时GPU的利用率和显存占用是否正常。如果利用率很低可能是虚拟机CPU成为了瓶颈或者服务本身的并发/批处理设置需要调整。6. 总结与后续建议走完这一整套流程你应该已经在VMware虚拟机里成功搭建起了一个能调用物理GPU的VideoAgentTrek-ScreenFilter服务环境。整个过程的核心其实就是两步一是正确配置VMware的GPU直通让虚拟机“看见”并“独占”显卡二是在虚拟机内部像对待一台物理机一样安装驱动和Docker GPU支持。虚拟化部署的好处很明显资源隔离、便于迁移和备份、能充分利用硬件。但代价就是会引入一些性能开销尤其是在I/O密集型任务上。对于视频处理这种既有计算密集型GPU推理又有I/O密集型视频读写的任务把数据目录放在虚拟机所在物理机的SSD上能有效提升体验。如果遇到性能不达预期除了上面提到的调优点也可以考虑VMware的另一个高级功能虚拟vGPU如vGPU或vSGA。但这通常需要特定的硬件如NVIDIA GRID卡和许可证配置也更复杂。对于大多数个人或小规模场景GPU直通已经是性价比最高的方案了。最后记得定期为你的虚拟机创建快照Snapshot。在安装完驱动、配置好Docker等关键步骤后创建一个快照万一后续配置出错可以快速回滚到一个干净可用的状态能省下大量重装系统的时间。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。