Nopeat eristetyt Docker-ympäristöt AI-agenttien RL-rollouteille gvx:n avulla

Turvallisuus- ja infrastruktuuripullonkaula koodausagenttien RL-rollouteissa

Ohjelmistotekniikan agenttien koulutus ja arviointi useissa benchmarkeissa ja vahvistusoppimisen (RL) kehyksissä, kuten SWE-bench, SWE-ReX, R2E-Gym, SWE-Gym, Verl ja OpenHands, edellyttää tuhansien samanaikaisten rollout-suoritusten ajamista luotettavaan koodiin, jonka LLM on generoinut. Todellisissa ohjelmistotehtävissä agentti ei pelkästään muokkaa tekstitiedostoja: se ajaa docker build -komennon, käynnistää tietokantoja ja mikropalveluita komennolla docker compose, suorittaa integraatiotestisarjoja ja tarkastelee konttien lokeja.

Rollout-mittakaavassa (128–1 024 samanaikaista episodia klusteria kohden) nykyinen konttiinfrastruktuuri kohtaa neljä järjestelmällistä turvallisuus- ja suorituskykypullonkaulaa:

1. Isäntäkoneen dockerd-lukkiintuminen ja tilan vuotaminen: Useiden satojen samanaikaisten RL-työntekijöiden osoittaminen yhteen isäntäkoneen /var/run/docker.sock-tiedostoon antaa jokaiselle agentille juurioikeudet vastaavan käyttöoikeuden isäntädaemoniin, sarjallistaa image-kerrosten purkamisen, ehtyy docker0-aliverkon osoitteista, aiheuttaa virheitä Another app is currently holding the xtables lock isäntäkoneen iptables-työkalussa ja vuotaa orpoja kontteja episodien välillä.
2. Privilegoidun DinD-kontin karkaamisriski: Vakiomuotoisten docker:dind-konttien ajaminen vaatii --privileged-lipun (CAP_SYS_ADMIN), joka altistaa raakoja isäntäkoneen lohkolaitteita, cgroup-release-agenteja ja ytimen moduuleja luottamattomille RL-rollouteille.
3. Laitteistovirtualisoinnin (/dev/kvm) rajoitteet: MicroVM-ajonaikat (Firecracker, QEMU, Kata Containers) eristävät sisäisen ytimen siististi, mutta ne vaativat /dev/kvm-laitteen. Tavalliset Kubernetes-podit ilman sisäkkäistä virtualisointia, bare-metal-pilvi-instanssit, joissa KVM on poistettu käytöstä, sekä olemassa olevat gVisor (runsc) -hiekkalaatikot eivät voi käynnistää KVM-microVM-koneita.
4. Hidas episodin nollaus (env.reset()) -viive: Uuden docker:dind-ympäristön käynnistäminen sekä peruskuvien lataaminen tai purkaminen jokaiselle RL-episodille kestää 10–60 sekuntia, ja GPU-koulutustyöntekijät jäävät tyhjäkäynnille odottamaan ympäristön nollauksia.

gvx (rungv-CLI ja z.gfire.dev/gvx/pkg/gvx Go SDK) tarjoaa turvallisen, syvällisesti puolustetun rollout-ajonaikan, joka ratkaisee kaikki neljä pullonkaulaa. Jokainen rollout-ympäristö toimii yhtenä ilman etuoikeuksia ajettavana, itselukittuvana käyttäjätilan prosessina (eristettynä Googlen gVisor Sentry-ytimellä, pkg/hostlockdown-paketilla ja muistissa olevalla netstack-verkkopinolla), jonka koko /var/lib/docker-tila sijaitsee yhdessä copy-on-write-.ext4-tiedostossa (ext4lite).

Nollaoikeuksinen turvallisuus luottamattomille agenttien rollouteille: Jokainen gvx-episodi lukitsee oman isäntäkäyttöjärjestelmäprosessinsa ennen vieraskoodin ajamista (PR_SET_NO_NEW_PRIVS + BPF seccomp Linuxilla, Seatbelt deny default macOS:llä, Restricted Token + Job Object Windowsilla). Vaikka RL-agentti suorittaisi episodissaan komennon docker run --privileged tai tuhoavan komennon rm -rf /, nämä toiminnot pysyvät tiukasti rajattuina kyseisen episodin käyttäjätilan Sentry-ytimeen ja väliaikaiseen .ext4-volyymitiedostoon.

Rollout-arkkitehtuuri: rinnakkaiset ilman etuoikeuksia ajettavat instanssit + reflink-snapshotit

gvx:ssä jokainen rollout-työntekijä on tavallinen ilman etuoikeuksia toimiva käyttöjärjestelmäprosessi, jolla on oma gVisor Sentry-ydin, oma käyttäjätilan netstack (10.0.2.15/24) ja oma ext4lite-lohkovolyymi (ep-N.ext4). Kaikki jakavat kuitenkin yhden luku-vain, sisältöosoitteellisen erofs OCI-image-välimuistin isäntäkoneen sivumuistissa.

Miksi yksitiedostoiset ext4lite-volyymit muuttavat RL-nollauksen talousmallia

Koska gvx:n ext4lite-tiedostojärjestelmä tallentaa koko JBD2-journaloidun ext4-volyymin (mukaan lukien Dockerin overlayfs-kerroshakemistot, trusted.overlay.*-laajennetut attribuutit, whiteout-laitesolmut ja image-metatiedot) yhteen tavalliseen isäntätiedostoon, episodin elinkaaren hallinta muuttuu yhdeksi tiedostotoiminnoksi:

1. 100 millisekunnin env.reset() komennolla cp --reflink=always:
   • Rakennat golden-docker.ext4-tiedoston kerran. Se sisältää ennalta ladatut perus-imaget (python:3.11, postgres:16, redis:7 tai tehtäväkohtaiset SWE-bench-perus-imaget).
   • Jokaisen RL-episodin alussa komento cp --reflink=always golden-docker.ext4 ep-0042.ext4 (XFS:llä, Btrfs:llä, ZFS:llä tai macOS APFS:llä) luo itsenäisen copy-on-write-kloonin alle 100 millisekunnissa kopioimatta taustalla olevia levylohkoja.
   • Vain tuon episodin aikana muokatut 4 KiB:n lohkot kuluttavat lisätilaa levyllä.
2. Jäännöksetön purku (env.close()):
   • rungv-prosessin lopettaminen (sb.Close() Go-kielessä) ja tiedoston ep-0042.ext4 poistaminen vapauttavat 100 % episodin prosesseista, verkkoyhteyksistä, liitoksista ja tallennustilasta noin 10 millisekunnissa. Mitään ei koskaan liitetä isäntäkoneen ytimen liitostauluun eikä rekisteröidä isäntäkoneen cgroupeihin.

Vaiheittainen työnkulku: golden-.ext4-snapshot ja nopea episodin nollaus

Voit asentaa rungv-työkalun jokaiseen rollout-työntekijäsolmuun joko lataamalla SLSA-todennetun valmiiksi käännetyn binäärin GitHub Releases -sivustolta (gh attestation verify rungv-v0.2.0-linux-amd64.tar.gz --repo gfire-sigs/gvx --signer-workflow gfire-sigs/gvx/.github/workflows/release.yml --deny-self-hosted-runners) tai ajamalla komennon CGO_ENABLED=0 go install z.gfire.dev/gvx/cmd/rungv@latest.

Vaihe 1: Luo golden-docker:dind-volyymi kerran

 1mkdir -p /srv/rl-snapshots /srv/rl-episodes
 2
 3# 1. Käynnistä siemen-docker:dind-instanssi, jota tukee golden-docker.ext4
 4rungv run \
 5  -p unix:/srv/rl-snapshots/seed.sock:2375 \
 6  --mount type=volume,src=/srv/rl-snapshots/golden-docker.ext4,dst=/var/lib/docker \
 7  -e DOCKER_TLS_CERTDIR= \
 8  docker:dind --tls=false &
 9SEED_PID=$!
10
11# 2. Esilataa perus-imaget ja build-välimuisti golden-docker.ext4-tiedoston sisälle
12export DOCKER_HOST="unix:///srv/rl-snapshots/seed.sock"
13until docker info >/dev/null 2>&1; do sleep 0.5; done
14
15docker pull python:3.11-slim
16docker pull redis:7-alpine
17docker pull postgres:16-alpine
18
19# 3. Pysäytä siemeninstanssi hallitusti, jotta ext4lite huuhtelee ja tiivistää imagen
20kill -INT $SEED_PID
21wait $SEED_PID

Vaihe 2: Käynnistä rinnakkaiset RL-episodit 100 millisekunnissa

Jokainen rinnakkainen rollout-työntekijä kloonaa golden-docker.ext4-tiedoston reflinkin avulla ja käynnistää eristetyn docker:dind-instanssin, jossa kaikki imaget ovat jo hakemistossa /var/lib/docker:

 1EPISODE_ID="ep-0042"
 2SOCK="/srv/rl-episodes/${EPISODE_ID}.sock"
 3
 4# Välitön copy-on-write-kloni (~100 ms XFS/Btrfs/APFS-järjestelmillä)
 5cp --reflink=always \
 6  /srv/rl-snapshots/golden-docker.ext4 \
 7  "/srv/rl-episodes/${EPISODE_ID}.ext4"
 8
 9# Käynnistä eristetty episodi ilman etuoikeuksia, 4 GiB RAM:lla ja 2 CPU:lla
10rungv run \
11  -m 4g --cpus 2 \
12  -p "unix:${SOCK}:2375" \
13  --mount "type=volume,src=/srv/rl-episodes/${EPISODE_ID}.ext4,dst=/var/lib/docker" \
14  -e DOCKER_TLS_CERTDIR= \
15  docker:dind --tls=false &
16EP_PID=$!
17
18export DOCKER_HOST="unix://${SOCK}"
19until docker info >/dev/null 2>&1; do sleep 0.2; done
20
21# Rollout-työntekijän sisällä imaget ovat heti saatavilla ilman verkkolatausta
22docker images
23
24# Episodin purku palkkion laskennan jälkeen (~10 ms)
25kill -KILL $EP_PID
26rm -f "/srv/rl-episodes/${EPISODE_ID}.ext4" "${SOCK}"

Ohjelmallinen rollout-allas käyttäen z.gfire.dev/gvx/pkg/gvx Go SDK:ta

Jos RL-ympäristöpalvelimesi tai arviointiharjoittimesi on kirjoitettu Go-kielellä tai kutsuu Go-rollout-taustaprosessia gRPC:n yli, voit hallita rinnakkaisia konttiepisodeja suoraan paketin z.gfire.dev/gvx/pkg/gvx kautta:

 1package main
 2
 3import (
 4	"bytes"
 5	"context"
 6	"fmt"
 7	"log"
 8	"os"
 9	"os/exec"
10	"path/filepath"
11	"time"
12
13	"z.gfire.dev/gvx/pkg/gvx"
14)
15
16func runEpisode(ctx context.Context, goldenExt4, scratchDir string, epID int) error {
17	epExt4 := filepath.Join(scratchDir, fmt.Sprintf("ep-%04d.ext4", epID))
18	defer os.Remove(epExt4)
19
20	// 1. Kloonaa golden ext4lite-volyymi reflinkillä
21	cpCmd := exec.CommandContext(ctx, "cp", "--reflink=always", goldenExt4, epExt4)
22	if err := cpCmd.Run(); err != nil {
23		return fmt.Errorf("clone golden volume: %w", err)
24	}
25
26	// 2. Aseta episodikohtainen seinäkellioaikainen aikaraja
27	epCtx, cancel := context.WithTimeout(ctx, 2*time.Minute)
28	defer cancel()
29
30	var stdout, stderr bytes.Buffer
31	sb, err := gvx.New(epCtx, gvx.Config{
32		Platform:               gvx.PlatformAuto,
33		NetworkMode:            gvx.NetModeNAT,
34		NetRaw:                 true,
35		AllowPacketSocketWrite: true,
36		AllowSUID:              true,
37		OCIImage:               "docker:dind",
38		Entrypoint:             []string{"sh", "-c"},
39		EntrypointSet:          true,
40		Cmd: []string{
41			"dockerd-entrypoint.sh --tls=false >/var/log/dockerd.log 2>&1 & " +
42				"until docker info >/dev/null 2>&1; do sleep 0.2; done && " +
43				"docker run --rm python:3.11-slim python -c 'print(6 * 7)'",
44		},
45		Envv: []string{"DOCKER_TLS_CERTDIR="},
46		Mounts: []gvx.Mount{
47			{
48				Kind:      gvx.MountVolume,
49				ImagePath: epExt4,
50				GuestPath: "/var/lib/docker",
51			},
52		},
53		Resources: gvx.Resources{
54			MemoryBytes: 4 << 30, // 4 GiB katto
55			CPUMillis:   2000,    // 2,0 CPU:ta
56		},
57		Stdout: &stdout,
58		Stderr: &stderr,
59	})
60	if err != nil {
61		return fmt.Errorf("init episode %d: %w", epID, err)
62	}
63	defer sb.Close()
64
65	exitCode, err := sb.Run(epCtx)
66	if err != nil {
67		return fmt.Errorf("run episode %d: %w", epID, err)
68	}
69
70	log.Printf("episode %d finished: exit=%d stdout=%q", epID, exitCode, stdout.String())
71	return nil
72}
73
74func main() {
75	ctx := context.Background()
76	if err := runEpisode(ctx, "/srv/rl-snapshots/golden-docker.ext4", "/srv/rl-episodes", 1); err != nil {
77		log.Fatal(err)
78	}
79}

Vertailu RL-agenttien hiekkalaatikkoympäristöistä

Lisälukemista tästä sarjasta

1. gvx: Linux-konttien, Dockerin ja Kubernetesin ajaminen yhdessä ilman etuoikeuksia toimivassa prosessissa: Täydellinen arkkitehtuurikatsaus gvx:stä Windowsilla (whpx, systrap), macOS:llä (hvf) ja Linuxilla (systrap).
2. Docker, docker build ja docker compose ilman juurioikeuksia tai käyttäjänimiavaruuksia: Nopea kolmen vaiheen käynnistysopas ja vianmääritysopas tilanteisiin, joissa sudo, unshare(CLONE_NEWUSER), mount(2) ja /dev/fuse on estetty.
3. Docker-in-Docker gVisorin ja sisäkkäisten hiekkalaatikoiden sisällä gvx:llä: Syvällinen tarkastelu siitä, miksi docker.io ja sisäkkäinen runsc epäonnistuvat gVisorin (runsc) sisällä, ja miten gvx siirtyy varavaihtoehtoon _RUN_SYSCALL_LOOP futex-silmukkaan EBUSY-virheen ilmetessä.
4. Nopeat eristetyt Docker-ympäristöt AI-agenttien RL-rollouteille gvx:llä (tämä artikkeli)