Droplets与自定义镜像详解 | AI生成和翻译

Home 2026.05

问题：为什么人们在 DigitalOcean 或 AMD Developer Cloud 中会使用 Droplets 而不是自定义镜像，或者反之？

答案：

在像 DigitalOcean 或 AMD Developer Cloud 这样的平台上，Droplets 和 自定义镜像 解决的是不同的问题。它们相辅相成，而不是相互替代。

什么是 Droplet？

Droplet 本质上是一个正在运行的虚拟机（VM）。

可以将其理解为：

它是你可以通过 SSH 登录并运行工作负载的实际计算实例。

示例：

在 DigitalOcean 的术语中：

什么是自定义镜像？

自定义镜像 就像是一个保存的模板或机器冻结状态。

它通常包含：

你可以用它来快速创建新的 Droplets。

无需执行：

apt install ...
pip install ...
git clone ...
docker pull ...

而是从准备好的镜像启动，一切都已经就位。

为什么人们直接使用 Droplets

大多数人只需要：

所以他们只是：

  1. 创建一个 Droplet
  2. 手动配置
  3. 使用它
  4. 之后销毁

这种方式起初更简单且成本更低。

特别适用于：

在 AMD Developer Cloud 上，许多用户：

不需要可重用的镜像。

为什么人们使用自定义镜像

当环境配置代价高昂或重复进行时，自定义镜像就变得非常有用。

常见原因

1. 快速扩展

假设你花费了：

你不希望每次重新做这些工作。

因此，你创建一个自定义镜像，然后立即克隆新的机器。

这在以下场景中很常见：

2. 一致性

没有镜像的情况下：

自定义镜像确保：

在企业及银行（如 HSBC）中非常重要。

3. 灾难恢复

如果一台服务器宕机：

而不是手动重建。

这对以下方面很重要：

4. 时间成本优化

镜像需要存储费用：

但工程师是昂贵的。

例如：

因此公司愿意支付存储费用。

为什么人们避免使用自定义镜像

1. 存储成本

大型 AI 镜像变得非常大。

典型的机器学习镜像：

很容易变成：

跨多个快照时，这会变得很昂贵。

2. 镜像会过时

你今天保存的镜像：

然后维护镜像就变成了运维工作。

3. 基础设施即代码变得流行

现代 DevOps 常常偏好：

而不是大型 VM 快照。

原因：

因此，许多高级团队现在使用：

而不是庞大的自定义镜像。

在 AI/GPU 工作负载中

自定义镜像尤其有价值，因为环境配置很繁琐。

以 AMD MI300X 为例：

可能需要数小时。

因此，AI 工程师通常：

  1. 配置一台完美的 GPU 虚拟机
  2. 制作快照
  3. 到处重用

这非常常见。

简单类比

概念 现实世界类比
Droplet 正在运行的计算机
自定义镜像 备份磁盘 / 机器模板
快照 保存的还原点
Docker 镜像 应用级模板
Kubernetes 大规模编排

你关于 AMD Developer Cloud 配额的观察与此相关

你注意到 AMD 限制了用户的小型 GPU 配额。

这改变了行为：

因此用户：

而不是构建大型镜像流水线。

但初创公司或高级用户通常仍然会创建可重用镜像，因为 GPU 环境配置既昂贵又脆弱。

参考资料：

Back Donate