跳到主要內容

從 VirtualBox 轉向 KVM:在 Debian 13 上的實務體驗


升級到 Debian 13(Trixie)後,我決定將主要虛擬化平台從 VirtualBox 轉向 Linux 原生的 KVM 架構。這次轉換的目的,不只是追求效能,更是希望能在系統整合、安全性與長期維護方面取得更穩定的結果。

VirtualBox 與 KVM 的主要差異

項目VirtualBoxKVM/virt-manager
類型Type 2 hypervisor(運行於 OS 上的應用程式)Type 1 hypervisor(整合於 Linux 核心)
效能使用者層虛擬化,開銷較大直接訪問硬體,效能接近原生
系統整合外掛模組,更新時需重編驅動內建於 Linux 核心,由 libvirt 維護
平台支援Windows、macOS、Linux 主機僅支援 Linux 主機(但客體可包含多種 OS)
網路模式支援 Wi-Fi 橋接橋接主要支援 Ethernet,有線為主

Debian 13 安裝 virt-manager 實作流程

sudo apt install virt-manager
sudo virsh net-autostart default
sudo usermod -aG kvm,libvirt $USER
sudo systemctl enable --now libvirtd virtlogd
sudo virsh net-start default
sudo virsh net-autostart default

執行以上指令後重新登入,即可使用 virt-manager 開啟圖形化虛擬機管理介面。

KVM/virt-manager 的優點

  • 效能佳:使用硬體虛擬化(Intel VT-x / AMD-V),效能接近實體機。
  • 整合性強:KVM 為 Linux 核心模組,無需額外驅動。
  • 安全性高:結合 AppArmor 或 SELinux 實現沙盒隔離。
  • 維護便利:Kernel 更新免重編模組。
  • 自動化支援:可結合 virsh、libvirt、Ansible 進行批次操作。
  • 適合長期部署:穩定且廣泛應用於企業級環境。

KVM/virt-manager 的缺點

  • 學習曲線高:需具備 Linux 系統與命令列經驗。
  • 設定較繁瑣:橋接網路、儲存池等需手動調整。
  • 硬體需求高:需支援 VT-x/AMD-V 的 CPU。
  • 介面不如 VirtualBox 直覺,偏向專業用途。
  • Wi-Fi 橋接支援有限,筆電環境設定較麻煩。

KVM vs VirtualBox 優缺點對照表

比較面向KVMVirtualBox
效能高,接近實體環境中等,有軟體層開銷
系統整合直接整合於 Linux 核心需外部模組,易衝突
安全性高(SELinux/AppArmor)中等
操作難易度需基本 Linux 知識容易上手,GUI 完整
跨平台支援僅 Linux 主機支援多平台
網路設定NAT 自動建立,橋接需設定設定簡單,Wi-Fi 兼容
自動化支援支援 libvirt / Ansible主要為手動操作
使用族群系統管理員、伺服器開發一般桌面使用者

結語

KVM/virt-manager 是 Debian 13 下最穩定的原生虛擬化方案。雖然設定與學習曲線略高,但其效能、安全性與穩定度使它成為理想的長期解決方案。若希望體驗真正的 Linux 原生虛擬化效能,不妨試著從 VirtualBox 遷移到 KVM。

留言

這個網誌中的熱門文章

Debian 13 原生 Python 安裝與使用 CodeFormer 修復臉部照片與影片教學

目前人工智慧(AI)已有越來越多的應用,而 CodeFormer 是一種人工智慧數位臉部修復工具,一般可以在其官網上傳照片( https://huggingface.co/spaces/sczhou/CodeFormer ),它會修復後讓你下載,但傳過一次曠日費時。還好它是開源軟體,於是將其安裝到自己的電腦中,便可以批次處理。不過事涉大量運算,有獨顯速度會快些,沒有的就只能用 CPU 硬解。如果原稿臉部夠大張(最好 512×512 像素以上),其還原程度相當不錯,有針對臉部一般修復、精細修復、上色、破碎還原等功能,個人覺得蠻自然傳神的。 因為自己筆電沒有太高檔 GPU,且 Debian 12 時使用 Anaconda3 來處理在 Debian 13 時卻失效,常常說空間不足、安裝 CUDA 相依性錯誤等問題,重灌系統好幾次,於是改變作法,打掉重做,用原生 Python 來執行。 在 Debian 13 中安裝 Nvidia GPU 驅動 若使用 Nvidia GTX 1060 等顯卡,想讓 CodeFormer 利用 GPU 加速運算,需要先安裝 Nvidia 官方驅動與 CUDA 開發環境。 注意!核心要使用 Debian 標準版核心以免編譯失敗。 1. 更新系統並安裝基礎工具 sudo apt update sudo apt upgrade sudo apt install linux-headers-amd64 python3.13-venv sudo apt install -y build-essential dkms 2. 安裝 Nvidia 官方驅動 sudo apt install nvidia-detect nvidia-driver firmware-misc-nonfree sudo reboot (如果失敗,編輯 /etc/apt/sources.list 在套件庫中加入 contrib non-free 如下: deb http://free.nchc.org.tw/debian/ trixie main non-free-firmware contrib non-free )  3. 驗證驅動安裝是否成功 nvidia-smi Debian 13 原生 Python 安裝與 CodeFor...

Live Debian System 安裝使用 CodeFormer(使用Anaconda)XXX

目前人工智慧(AI)已有越來越多的應用,而CodeFormer是一種人工智慧數位臉部修復工具,一般可以在其官網上傳照片,它會修復後讓你下載,但傳過一次曠日費時,還好它是開源軟體,於是將其安裝到自己的電腦中,便可以批次處理,不過事涉大量運算,有獨顯速度會快些,沒有的就只能用CPU硬解。

在 Debian 13 使用本機 Python 安裝 Open-WebUI 與 Ollama AI 聊天模型指南

本人使用的開發主機搭載 NVIDIA 顯卡,GPU 記憶體只有 6GB,屬於中低容量等級。由於顯卡記憶體有限,無法負擔大型 AI 模型的運行,因此本文以較小容量且效能適中的 AI 模型為主,透過 Open-WebUI 與 Ollama 搭配,達成本地 AI 互動平台的實作。整體流程會包括利用 pyenv 管理合適的 Python 版本,安裝 Open-WebUI,並示範如何安裝與管理 Ollama 及多款符合 GPU 規格的聊天室模型。 一、本機 Python 版本管理:使用 Pyenv 安裝 Python 3.11 安裝編譯必須的依賴: sudo apt update sudo apt install -y build-essential curl libssl-dev libbz2-dev libreadline-dev libsqlite3-dev libffi-dev liblzma-dev zlib1g-dev libncurses5-dev libncursesw5-dev libgdbm-dev libdb5.3-dev uuid-dev 安裝 pyenv: curl https://pyenv.run | bash 設定 shell 環境(加入 ~/.bashrc 或 ~/.zshrc ): export PATH="$HOME/.pyenv/bin:$PATH" eval "$(pyenv init --path)" eval "$(pyenv init -)" 重新整理 shell,並安裝 Python 3.11: source ~/.bashrc pyenv install 3.11.0 pyenv global 3.11.0 確認 Python 版本: python --version 二、安裝並啟動 Open-WebUI 建立虛擬環境以隔離套件: python -m venv ~/openwebui-venv source ~/openwebui-venv/bin/activate mkdir tmp export TMPDIR=$HOME/tmp 升級 pip 以免安裝過程中遇到問題: pip install --upgrade...