news 2026/2/2 8:07:25

Docker Desktop 内置 K8s 拉取镜像失败?90% 的人踩的是同一个坑

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Docker Desktop 内置 K8s 拉取镜像失败?90% 的人踩的是同一个坑

1. 现象:本地明明有镜像,K8s 却非要去拉

把镜像docker build好,本地docker images也能看到,但一kubectl apply,Pod 事件里永远卡在:

Failed to pull image "myimg:1.0": rpc error: code = Unknown desc = failed to pull and unpack image ...

甚至直接ImagePullBackOff。科学上网、加代理、配加速器,全试一遍还是失败——于是开始怀疑人生。


2. 根因:Docker 和 K8s 用的是“两套仓库”

Docker Desktop 为了轻量,把 Kubernetes 的 kubelet 配置成containerd作为底层运行时,而不是 docker-shim。
关键区别:

你敲的命令实际操作的仓库
docker imagesDocker 的镜像仓库
kubectl applycontainerd 的镜像仓库

两者完全隔离
所以“docker 能看见” ≠ “K8s 能看见”。K8s 发现 containerd 里找不到,就只能去远端拉;拉不到就报错,于是出现“本地有镜像却拉取失败”的错觉。


3. 一句话解决方案

把镜像塞进 containerd 里,再让 YAML 里的名字 100% 对上,即可瞬间解决。


4. 实操 3 步走

① 验证镜像到底在哪
# Docker 仓库docker images|grepmyimg# containerd 仓库(Docker Desktop 专用命名空间叫 k8s.io)ctr -n k8s.io images list|grepmyimg

如果第二条没输出,说明镜像只在 Docker,K8s 看不见。

② 搬运镜像(二选一)

A. 离线导入(内网/CI 最常用)

docker save myimg:1.0|ctr -n k8s.io imagesimport-

B. 让 containerd 自己拉(能联网时最省事)

ctr -n k8s.io images pull myimg:1.0
③ 名字必须完全一致

ctr -n k8s.io images list打印出来的完整路径(可能是docker.io/library/myimg:1.0)原封不动写进 YAML:

image:docker.io/library/myimg:1.0

然后

kubectl apply -f deployment.yaml

Pod 瞬间Running,再也不会去网上拉了。


5. 常见疑问 FAQ

Q1:k8s.io是上传到官方仓库吗?
A:不是!它只是 Docker Desktop 给 containerd 起的本地命名空间,所有数据仍在你的硬盘,走不到外网。

Q2:为什么加了--image-pull-policy=IfNotPresent还是拉?
A:因为本地(containerd)根本没有,策略只能决定“有就省、没有必须拉”,治不了根。

Q3:我不想敲ctr,能不能让 K8s 直接用 Docker 的镜像?
A:Docker Desktop 的 K8s 已经固定用 containerd,改不了。真不想搬镜像,就回退到裸机 K8s 或用minikube docker-env那种共享 Docker daemon 的方案。


6. 结论

Docker Desktop 的 Kubernetes 只认containerd 的镜像仓库
以后遇到“本地有镜像却拉取失败”,先执行

ctr -n k8s.io images list|grep<你的镜像>

看不到就

docker save<镜像>|ctr -n k8s.io imagesimport-

30 秒解决战斗,别再盲目配代理、加速器、Secret,把时间省下来写业务代码。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/1/31 6:28:16

Linly-Talker与HeyGen等商业平台对比优劣分析

Linly-Talker与HeyGen等商业平台对比优劣分析 在数字人技术加速落地的今天&#xff0c;企业与开发者正面临一个关键选择&#xff1a;是采用开箱即用但封闭昂贵的商业平台&#xff08;如HeyGen&#xff09;&#xff0c;还是拥抱开源、灵活可控的本地化方案&#xff1f;这一抉择背…

作者头像 李华
网站建设 2026/2/2 2:07:35

Linly-Talker如何防止生成虚假信息?内容审核机制介绍

Linly-Talker如何防止生成虚假信息&#xff1f;内容审核机制介绍 在数字人逐渐走进直播间、课堂和客服中心的今天&#xff0c;一个关键问题浮出水面&#xff1a;我们该如何相信AI说的每一句话&#xff1f; Linly-Talker作为一款集成了大语言模型&#xff08;LLM&#xff09;、语…

作者头像 李华
网站建设 2026/1/31 5:26:24

Linly-Talker支持语音事件驱动机制

Linly-Talker支持语音事件驱动机制 在虚拟主播深夜直播时突然收到观众提问&#xff0c;系统却要等她说完一整段话才能开始回应——这种“你说我听、我说你听”的机械轮询模式&#xff0c;早已无法满足用户对自然对话的期待。真正的数字人不该是录音机&#xff0c;而应像真人一样…

作者头像 李华
网站建设 2026/1/31 5:42:41

Ring-mini-linear-2.0:混合架构高效推理

Ring-mini-linear-2.0&#xff1a;混合架构高效推理 【免费下载链接】Ring-mini-linear-2.0 项目地址: https://ai.gitcode.com/hf_mirrors/inclusionAI/Ring-mini-linear-2.0 大语言模型&#xff08;LLM&#xff09;领域再添新成员——inclusionAI团队正式开源Ring-mi…

作者头像 李华
网站建设 2026/1/31 4:35:08

DeepSeek-VL2-small:MoE多模态智能新突破

DeepSeek-VL2-small&#xff1a;MoE多模态智能新突破 【免费下载链接】deepseek-vl2-small 融合视觉与语言的DeepSeek-VL2-small模型&#xff0c;采用MoE技术&#xff0c;参数高效&#xff0c;表现卓越&#xff0c;轻松应对视觉问答等多元任务&#xff0c;开启智能多模态理解新…

作者头像 李华
网站建设 2026/1/30 22:06:09

AI数字人爆发前夜:Linly-Talker为何成为开发者首选?

AI数字人爆发前夜&#xff1a;Linly-Talker为何成为开发者首选&#xff1f; 在直播带货的深夜直播间里&#xff0c;一个面容清晰、口型精准、声音亲切的虚拟主播正不眠不休地讲解产品&#xff1b;在某企业的客服页面上&#xff0c;一位“员工形象”的AI助手用熟悉的语调回答着…

作者头像 李华