
一句话看懂
项目地址:https://github.com/libracoder/kiri

kiri 是跨平台容器运行时,实现 Docker Engine API 与现有工具链兼容,用 clone3 系统调用直接进命名空间和 cgroup,无 runc 或 shim 中间层。容器启动退出约 2.5 毫秒,守护进程约 15MB,VM 空闲 60 秒后休眠,唤醒约 0.15 秒。支持 macOS 14+、Windows 10/11、Linux,内置 38 种语言界面,Apache-2.0 许可。2026 年 11 月 2 日创建,11 月 14 日最近 push,当日新增 Star 1436,总 3695 Star,65 个 Open Issues。
它解决什么问题
Docker Desktop 启动容器需经过 dockerd、containerd、runc、shim 多层,每次 docker run 约 243 毫秒。macOS 和 Windows 还需运行 Linux VM,VM 常驻占内存。
kiri 实现 Docker Engine API,docker CLI、Compose、buildx 直接可用。VM 内 PID 1 是约 900KB 的 Rust agent,一次 clone3 系统调用直接进新命名空间和 cgroup,所有容器进程是 agent 直接子进程。守护进程与 agent 通过 vsock 单连接通信,agent 按序应答请求,标记容器输出和退出事件。bench/results.json 数据:kiri CLI 启动 14.2 毫秒,Docker Desktop 243 毫秒,OrbStack 442 毫秒。VM 空闲 60 秒后休眠,下次请求约 0.15 秒唤醒,守护进程仅约 15MB。
核心概念速览
clone3 直接启动:Linux 系统调用,一次进新命名空间和 cgroup。传统方案需 fork 父进程、exec runc、runc 再 fork 容器进程。kiri 用 clone3 的 CLONE_INTO_CGROUP 标志直接进目标 cgroup 和新命名空间,容器进程是 agent 直接子进程。
vsock 单连接:虚拟套接字,宿主守护进程与 VM 内 agent 的通信通道。kiri 共享一条 vsock 连接,所有守护进程线程发送请求时取写锁排队,单独的读线程接收应答按顺序分发到等待槽。agent 按接收顺序应答请求,用容器 ID 标记输出和退出事件。
stdin credit 窗口:流控机制防止宿主发送输入数据过快。每个进程初始 INPUT_WINDOW 信用,宿主发送数据消耗信用,agent 处理后回复 InputCredit 补充。
动态内存天花板:VM 启动时设定内存上限,气球驱动保持使用量加 MEMORY_HEADROOM 余量 256MB。内存压力时增加 MEMORY_GROW 1GB 天花板,气球收缩释放更多内存。VM 休眠前气球膨胀收回内存。
架构拆解

kiri-init(crates/kiri-init):VM 内 PID 1 agent,约 900KB Rust 程序,自定义 10MB 内核启动。接收 vsock 请求,调用 clone3 启动容器,管理命名空间、cgroup、挂载点。等待子进程退出,通过 vsock 回传 PID、输出流、退出码。
daemon/engine(crates/kiri/src/daemon/engine.rs):守护进程容器状态跟踪模块。记录容器规格(镜像、命令、环境变量、端口),持久化到 containers.json。接收 Docker API 请求后通过 vmlink 排队发送到 agent,收到 Started 应答后存储 PID,收到 Exited 事件后更新退出码。定义 MEMORY_HEADROOM 256MB 和 MEMORY_GROW 1GB 常量,动态调整 VM 内存天花板。
daemon/vmlink(crates/kiri/src/daemon/vmlink.rs):vsock 连接封装,请求排队与应答分发。写入时持 writer 锁,序列化请求到 vsock,创建 oneshot channel 作为应答槽。单独读线程循环读取应答和容器事件,应答分发到最早等待槽,事件转发到 engine。
kiri-image(crates/kiri-image):镜像拉取、存储、registry 连接模块。解析镜像引用,连接 registry 下载 manifest 和 layer,解压存储到本地。
kiri-vmm(crates/kiri-vmm):VM 生命周期管理与 vsock 连接器。启动自定义内核和 kiri-init,配置内存、CPU、vsock 设备。空闲 60 秒后发送休眠信号,下次请求发送唤醒信号。
数据流向:daemon/engine 接收 docker run 请求,通过 daemon/vmlink 发送 RunSpec 到 kiri-init。kiri-init 调用 clone3 启动容器,回传 PID 到 daemon/vmlink,读线程分发到 engine 的 pending 队列。
关键实现走读
rust
//! Starts containers and execs.
//!
//! A container is one clone3 straight into fresh namespaces and its cgroup;
//! the child sets up its root and execs. An exec joins a running container's
//! namespaces and cgroup the same way. No runc, no shim, no extra fork:
//! every process is a direct child of the agent, so waiting just works.
spawn 函数一次 clone3 直达新命名空间和 cgroup,子进程设置根文件系统后 exec 目标程序。exec 命令用相同方式加入运行中容器的命名空间和 cgroup。传统 runc 需 fork 自己、子进程 clone 进命名空间、exec runc init、再 exec 容器进程,至少四次操作。kiri 用 Linux 5.7 的 CLONE_INTO_CGROUP 标志,clone3 一次调用同时完成进命名空间和进 cgroup,子进程直接是 agent 的子进程,agent 用标准 waitpid 等待退出。
rust
//! One vsock connection to the guest agent, shared by every daemon thread.
//!
//! The agent answers requests in the order it receives them, and tags
//! container output and exits with the container id. So: senders take the
//! write lock, queue a reply slot and write; a single reader thread hands each
//! reply to the oldest waiting slot and each container event to the engine.
VmLink 管理守护进程与 agent 的单条 vsock 连接。所有线程共享此连接,发送请求时取写锁,创建应答槽(oneshot channel)并写入。单独读线程接收应答和容器事件,应答按顺序交给最早等待槽,容器事件交给 engine。agent 按接收顺序处理请求并应答,共享单连接保证请求顺序,写锁串行化发送,读线程单点接收避免竞争。容器输出和退出是异步事件,用容器 ID 标记后由读线程识别类型分发。
动手上手

安装:
- macOS 从 runkiri.com/releases 下载 .dmg 安装包,拖入 Applications。
- Windows 从 runkiri.com/releases 下载 .msi 安装包,运行安装向导。
- Linux 从 runkiri.com/releases 下载 .deb 或 .rpm 包,
sudo dpkg -i kiri_*.deb或sudo rpm -i kiri-*.rpm。
运行容器:
bash
docker --context kiri run --rm alpine echo hello
验证结果:终端输出 hello,约 14 毫秒返回。
用 Compose 启动服务:
bash
docker --context kiri compose up -d
验证结果:docker --context kiri compose ps 显示服务状态 Up。
启动 Kubernetes 集群:
bash
kiri k8s start
验证结果:kubectl get nodes 显示节点 Ready。
创建 Linux 虚拟机:
bash
kiri machine create dev --distro ubuntu && kiri machine shell dev
验证结果:进入 Ubuntu shell,提示符显示 root@dev。
导入镜像:
bash
kiri import
验证结果:从 Docker Desktop 导入镜像到 kiri,docker --context kiri images 列出已导入镜像。
应用场景
本地开发快速容器 :docker --context kiri run 启动容器约 14 毫秒返回。现有脚本加 --context kiri 即用。
CI 流水线兼容:现有 docker、docker-compose、buildx 脚本切换 context 后无需修改。GitHub Actions 或 GitLab CI 用 kiri 替换 Docker Desktop,节省 runner 内存和启动时间。amd64 镜像在 Apple silicon macOS 通过 Rosetta 运行。
本地 HTTPS 域名 :容器自动获得 http://<name>.kiri.local 域名和自签证书。微服务本地联调时用容器名访问,前端开发用 HTTPS 测试 Service Worker。
轻量 Kubernetes 测试 :kiri k8s start 一键启动集群,验证 Helm chart 或 Operator。守护进程约 15MB,VM 空闲 60 秒后休眠释放内存,比 Minikube 或 kind 占用少。
独立分析

启动速度提升源于无中间层。README 声明无 runc、shim 或 dockerd,container.rs 注释明确 every process is a direct child of the agent。传统 Docker Desktop 用 containerd 管理 runc,runc 启动 shim 守护容器进程,每层增加 IPC 和进程创建开销。kiri 的 clone3 直接进命名空间和 cgroup,agent waitpid 直接等待容器进程。bench/results.json 数据显示 kiri CLI 启动 14.2 毫秒,Docker Desktop 243 毫秒,差距约 17 倍,容器启动退出本身约 2.5 毫秒,快约 80 倍。
内存占用低靠休眠和气球。VM sleeps after 60s idle,engine.rs 定义 MEMORY_HEADROOM 256MB 和 MEMORY_GROW 1GB 常量动态调整天花板。VM 休眠时气球驱动膨胀收回内存归还宿主,唤醒时恢复。自定义 10MB 内核和 900KB agent 本身占用少,容器共享内核无重复开销。Docker Desktop 运行完整 Linux 发行版和 containerd,守护进程和 VM 常驻占数百 MB。
兼容性通过实现 Engine API 达成。daemon 实现 /containers/create、/containers/{id}/start 等端点,解析 JSON 转为内部 RunSpec 发送到 agent。现有 docker、compose、buildx 工具直接可用。
局限与风险
README 未提及 ARM64 完整支持,仅 macOS 通过 Rosetta 跑 amd64 镜像。ARM64 原生镜像能否运行未说明,Rosetta 转译增加 CPU 开销和启动延迟。
v0.2.0 才加 USB 设备且标 beta,硬件直通成熟度待观察。开发嵌入式或 IoT 应用需访问串口或 USB 设备时,beta 功能可能不稳定。
stopped_marker 机制显示手动停止容器需 Start 恢复,非全自动重启。生产环境常用 restart policy 自动重启崩溃容器,kiri 当前架构可能不支持。
MEMORY_GROW 压力响应固定 1GB,极端内存需求场景不够灵活。机器学习训练或大数据处理容器需数十 GB 内存,1GB 增量需多次触发压力事件。
路线图承诺内建 builder,当前依赖外部 buildx。开发流程中 docker build 仍需 Docker Desktop 或单独安装 buildx,未完全摆脱依赖。
结论卡片

适合:需快速容器启动的开发者,本地开发频繁启停容器。关注资源占用的团队,笔记本内存紧张或多项目并行,VM 休眠释放内存。需 Docker 兼容性的 macOS 和 Windows 用户,现有脚本直接切换 context。
不适合:依赖 ARM64 原生镜像的用户,README 未明确支持,Rosetta 转译增加开销。需生产级稳定性的部署,2026 年 11 月创建,v0.2.0 仍在快速迭代,65 个 Open Issues 包含未修复 bug。要深度 Docker Desktop 集成的用户,GUI 功能、Kubernetes 仪表板、扩展生态尚未完整对标。
关注动向 :路线图承诺内建 builder 后 buildx 用 docker driver 直连,docker build 将无需外部依赖。ARM64 原生支持和 USB 设备 beta 转正后硬件兼容性提升。restart policy 和内存动态调整策略优化将扩大适用场景。