Podman入门笔记

适用环境：Ubuntu 24.04 LTS · NVIDIA RTX 3070

---

📦 一、什么是 Podman？

Podman（Pod Manager）是一个无守护进程（daemonless）、无 root 权限的容器引擎，是 Docker 的强力替代品。它与 Docker CLI 高度兼容，但架构更安全：

• ✅ 无需 root 权限运行容器（rootless 模式）
• ✅ 无中央守护进程，每个容器独立运行
• ✅ 原生支持 Pod 概念（类似 Kubernetes Pod）
• ✅ 与 Docker 命令高度兼容，可直接 alias docker=podman
• ✅ 支持 OCI 标准镜像格式

[1]

---

🛠️ 二、安装 Podman（Ubuntu 24.04 LTS）

Ubuntu 24.04 的官方仓库已内置 Podman，安装非常简单。

Step 1：更新系统

sudo apt update && sudo apt upgrade -y

Step 2：安装 Podman

sudo apt install -y podman

Step 3：验证安装

podman version
podman info

正常输出示例：

Version:      5.x.x
API Version:  5.x.x
Go Version:   go1.xx
OS/Arch:      linux/amd64

Step 4：配置 Podman 服务（可选）

# 启用用户级 socket（rootless 推荐）
systemctl --user enable --now podman.socket

# 验证 socket 状态
systemctl --user status podman.socket

[2] [1]

---

🚀 三、基础使用命令

3.1 搜索与拉取镜像

# 搜索镜像（建议使用完整镜像名）
podman search docker.io/library/nginx

# 拉取镜像（推荐写完整路径，避免歧义）
podman pull docker.io/library/nginx:latest

# 查看本地镜像列表
podman images

3.2 运行容器

# 后台运行一个 nginx 容器，映射 8080 端口
podman run -d -p 8080:80 --name my-nginx docker.io/library/nginx

# 交互式运行 Ubuntu 容器
podman run -it --rm docker.io/library/ubuntu:24.04 /bin/bash

3.3 容器管理

# 查看运行中的容器
podman ps

# 查看所有容器（含已停止）
podman ps -a

# 停止容器
podman stop my-nginx

# 删除容器
podman rm my-nginx

# 查看容器日志
podman logs my-nginx

# 进入运行中的容器
podman exec -it my-nginx /bin/bash

# 检查容器详情
podman inspect my-nginx

3.4 清理资源

# 删除所有停止的容器
podman container prune

# 删除未使用的镜像
podman image prune

# 查看磁盘占用
podman system df

[1]

---

🇨🇳 四、配置国内镜像加速（重点）

由于网络原因，直接从 Docker Hub 或 ghcr.io 拉取镜像速度极慢，需配置国内镜像源。

4.1 Podman 镜像配置文件位置

作用范围	配置文件路径
当前用户（推荐）	~/.config/containers/registries.conf
全局（root）	/etc/containers/registries.conf

4.2 配置国内镜像加速

# 创建用户级配置目录
mkdir -p ~/.config/containers

# 编辑配置文件
nano ~/.config/containers/registries.conf

写入以下内容（包含多个国内可用镜像源）：

# 未加前缀的镜像名，按顺序从以下仓库搜索
unqualified-search-registries = ["docker.io", "quay.io"]

# Docker Hub 镜像加速
[[registry]]
prefix = "docker.io"
location = "docker.io"

  [[registry.mirror]]
  location = "hub-mirror.c.163.com"

  [[registry.mirror]]
  location = "mirror.baidubce.com"

  [[registry.mirror]]
  location = "dockerhub.azk8s.cn"

# ghcr.io 镜像加速
[[registry]]
prefix = "ghcr.io"
location = "ghcr.io"

  [[registry.mirror]]
  location = "ghcr.nju.edu.cn"

4.3 验证镜像加速是否生效

# 查看当前 registry 配置
podman info | grep -A 20 "registries"

# 测试拉取速度（应明显加快）
podman pull docker.io/library/alpine:latest

💡 提示：如果上述镜像源失效（国内镜像源时常变动），可尝试使用南京大学镜像站 docker.nju.edu.cn 或中科大镜像站 docker.mirrors.ustc.edu.cn。

[1]

---

💾 五、更改 Image 存储路径（重点）

默认情况下，Podman 将镜像和容器数据存储在：

• Rootless 模式：~/.local/share/containers/storage/
• Root 模式：/var/lib/containers/storage/

当系统盘空间不足时，需要将存储迁移到其他磁盘或分区。

5.1 查看当前存储路径

podman info --format '{{.Store.GraphRoot}}'
podman info --format '{{.Store.RunRoot}}'

# 查看当前占用空间
podman system df
du -sh ~/.local/share/containers/storage/

5.2 准备新存储目录

假设要将存储迁移到 /data/containers/storage（例如挂载的大容量磁盘）：

# 创建新目录
sudo mkdir -p /data/containers/storage

# 设置当前用户所有权（rootless 模式）
sudo chown -R $(id -u):$(id -g) /data/containers/storage
chmod 700 /data/containers/storage

# 确认新目录空间充足
df -h /data/containers/storage

5.3 备份现有镜像（重要！）

# 查看所有本地镜像
podman images

# 保存重要镜像为 tar 文件
podman save -o /tmp/my-image-backup.tar my-image:latest

5.4 修改存储配置文件

Rootless 模式（推荐普通用户使用）：

mkdir -p ~/.config/containers

cat > ~/.config/containers/storage.conf << 'EOF'
[storage]
# 使用 overlay 驱动（性能最佳）
driver = "overlay"

# 新的镜像/容器存储路径
graphroot = "/data/containers/storage"

# 运行时数据（临时数据，重启后清除，保持在快速本地盘）
runroot = "$XDG_RUNTIME_DIR/containers"

[storage.options.overlay]
# 可选优化参数
# mountopt = "nodev,metacopy=on"
EOF

Root 模式（全局生效）：

sudo tee /etc/containers/storage.conf > /dev/null << 'EOF'
[storage]
driver = "overlay"
graphroot = "/data/containers/storage"
runroot = "/run/containers/storage"

[storage.options.overlay]
mountopt = "nodev,metacopy=on"
EOF

5.5 重置并验证

# ⚠️ 警告：此操作会清除所有容器和镜像，请确保已备份！
podman system reset --force

# 验证新路径已生效
podman info --format '{{.Store.GraphRoot}}'

# 重新拉取镜像（或从备份恢复）
podman pull docker.io/library/nginx:latest
# podman load -i /tmp/my-image-backup.tar

[3] [4]

---

🎮 六、适配 NVIDIA GPU（RTX 3070）

让 Podman 容器访问 NVIDIA GPU，需要安装 NVIDIA Container Toolkit，并进行专项配置。

6.1 前提：确认驱动已安装

# 验证 NVIDIA 驱动正常工作
nvidia-smi

正常输出应显示 RTX 3070 的信息，如：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 550.xx    Driver Version: 550.xx    CUDA Version: 12.x          |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
|   0  NVIDIA GeForce RTX 3070  Off  | 00000000:01:00.0  On |                  N/A |

6.2 安装 NVIDIA Container Toolkit

# Step 1：添加 NVIDIA 官方 GPG 密钥和仓库
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# Step 2：更新并安装
sudo apt update
sudo apt install -y nvidia-container-toolkit

6.3 配置 Podman 使用 NVIDIA CDI

NVIDIA Container Toolkit 使用 CDI（Container Device Interface） 与 Podman 集成（Podman 不支持 Docker 的 --runtime 方式，需用 CDI）：

# 生成 CDI 规范文件（关键步骤！）
sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml

# 验证 CDI 设备已被识别
nvidia-ctk cdi list

正常输出示例：

nvidia.com/gpu=0
nvidia.com/gpu=all

6.4 在容器中使用 GPU

# 方式一：使用 CDI 挂载所有 GPU（推荐）
podman run --rm \
  --device nvidia.com/gpu=all \
  docker.io/nvidia/cuda:12.3.0-base-ubuntu22.04 \
  nvidia-smi

# 方式二：只挂载 GPU 0（多卡场景）
podman run --rm \
  --device nvidia.com/gpu=0 \
  docker.io/nvidia/cuda:12.3.0-base-ubuntu22.04 \
  nvidia-smi

6.5 验证 GPU 在容器内可用

podman run --rm \
  --device nvidia.com/gpu=all \
  docker.io/nvidia/cuda:12.3.0-base-ubuntu22.04 \
  nvidia-smi

成功输出应显示与宿主机相同的 RTX 3070 GPU 信息。

6.6 实际 AI/ML 工作负载示例

# 运行 PyTorch GPU 容器（以 NGC 镜像为例）
podman run --rm -it \
  --device nvidia.com/gpu=all \
  -v $(pwd):/workspace \
  -w /workspace \
  docker.io/pytorch/pytorch:2.2.0-cuda12.1-cudnn8-runtime \
  python3 -c "import torch; print('CUDA available:', torch.cuda.is_available()); print('GPU:', torch.cuda.get_device_name(0))"

💡 注意：Podman rootless 模式下使用 GPU，需确保 /etc/cdi/ 目录对普通用户可读：

sudo chmod 644 /etc/cdi/nvidia.yaml

[1]

---

🗂️ 七、完整配置汇总

以下是三个核心配置文件的最终状态总览：

配置文件	路径	作用
registries.conf	~/.config/containers/registries.conf	国内镜像加速
storage.conf	~/.config/containers/storage.conf	自定义存储路径
nvidia CDI	/etc/cdi/nvidia.yaml	GPU 设备接入

---

✅ 八、快速验证清单

完成所有配置后，运行以下命令一键验证：

# 1. 验证 Podman 版本
podman version

# 2. 验证存储路径
podman info --format '{{.Store.GraphRoot}}'

# 3. 验证镜像加速（拉取一个小镜像测速）
time podman pull docker.io/library/alpine:latest

# 4. 验证 GPU 访问
podman run --rm --device nvidia.com/gpu=all \
  docker.io/nvidia/cuda:12.3.0-base-ubuntu22.04 nvidia-smi

# 5. 全面系统信息
podman info

---

📚 参考资料

• [1] Podman 官方文档 - 安装指南
• [2] Install Podman on Ubuntu 24.04 LTS - lucaberton.com
• [3] How to Change Container Storage Location in Podman - oneuptime.com
• [4] How to move podman images from one location to another - Red Hat