苹果硅芯片 Mac 虚拟化:独特优势与使用限制并存,性能与应用难题待解

苹果硅芯片 Mac 上虚拟化:独特优势与使用限制并存

在苹果硅芯片 Mac 登场前,用户借助 VMware 和 Parallels 等第三方虚拟化软件,能运行不同版本的 macOS、Linux 或 Windows 系统。这些软件可让不同操作系统的虚拟机在 macOS 中运行英特尔处理器代码。为向 Arm 处理器过渡,苹果在技术筹备时决定将虚拟化功能集成进 macOS,这是新 Mac 硬件支持虚拟化的唯一可行办法,目的是让旧版 macOS 及 Linux 和 Arm 版 Windows 等操作系统在虚拟机中运行。

这和在苹果硅芯片 Mac 上运行不同处理器(如英特尔)的操作系统这一难题不同。Rosetta 2 能翻译英特尔应用程序代码,却无法处理操作系统,因为操作系统需软件模拟器,这由 UTM 等工具实现。

管理程序

在 macOS 等主操作系统运行现代虚拟化软件,需具备“管理程序”(hypervisor)。2014 年的 OS X 10.10 系统中,苹果就把它加入 macOS。和英特尔处理器一样,Arm CPU 也为管理程序提供硬件支持。所以,苹果硅芯片 Mac 实现虚拟化的剩余工作主要集中在设备支持方面。英特尔 Mac 相对简单,因其主要用 PC 硬件组件,但苹果新 Mac 并非如此。

Virtio 驱动程序

苹果硅芯片里的硬件设备和英特尔 Mac 中的同类设备(若有)不同。即便苹果完整记录设备信息供外部使用,第三方要实现和英特尔 Mac 相同的设备支持,工程工作量也太大。所以,仅靠管理程序让其他方构建完整虚拟化软件不可行,也难以达到苹果和用户期望的高性能。于是,苹果选择将设备支持以 Virtio 驱动程序形式集成到 macOS 中。

Virtio 是 Rusty Russell 最初开发的标准,用于为 I/O 设备提供抽象层。比如,客户操作系统调用打开文件时,请求先传给前端的 Virtio 存储设备半虚拟化驱动程序,再由其传给与存储设备交互的 Virtio 后端驱动程序。虽看似不如传统虚拟化方式高效,但实际上可能高效得多。

其显著优势是,创建虚拟化应用程序只需配置并打开所需的 Virtio 设备,让客户操作系统、Virtio 和主机系统协同工作即可。这正是应用程序使用苹果虚拟化框架所做的事。

苹果选 Virtio 受以下事实影响:Linux 对 Virtio 支持良好,而当时 macOS 没有。所以,在 Monterey 系统发布前几年,苹果工程师着手在 macOS 中构建 Virtio 支持,这也解释了为何 macOS 轻量级虚拟化仅在 Monterey 及更高版本的主机系统和客户操作系统中可用。在 macOS(包括主机和客户操作系统)中实现的 Virtio 还扩展了对键盘和指向设备、共享剪贴板以及支持 Metal 和 GPU 的高性能图形的支持。

在 Virtio 模型中,提供这些支持是操作系统的任务,而非虚拟化软件的任务。对 VMware 和 Parallels 等供应商来说,这既降低了开发成本,也降低了产品商业价值,因为它们无法通过技术手段提供更好或更快的图形支持,这些支持由客户和主机操作系统通过 Virtio 或类似技术提供。这让苹果能掌控苹果硅芯片上虚拟化所支持的硬件和功能。

性能

另一方面,它保证了虚拟机的最佳性能。虚拟机的 CPU 和 GPU 代码可像在主机上一样直接在硬件上运行,且 Virtio 设备性能几乎与主机相当。在主机和客户操作系统均为 macOS Monterey 的情况下,用 Geekbench 6.3.0 进行的可比基准测试结果如下:

  • CPU 单核:虚拟机 3,643,主机 3,892
  • CPU 多核:虚拟机 12,454,主机 22,706(受可用核心数量限制)
  • GPU Metal:虚拟机 102,282,主机 110,960,虚拟机作为苹果半虚拟化设备。

后续版本的 macOS 在此基础上有所改进。值得注意的是,分配给虚拟机的虚拟核心主要是性能核心,所以虚拟机中运行的线程(通常在效率核心上运行)通常比在主机上运行得快得多。

最初,虚拟机主存储在其磁盘映像中的性能不佳,但最近有了显著改善,即便在虚拟机中启用了 FileVault 也是如此。

Rosetta 2

虽 Rosetta 2 不能用于翻译客户操作系统,但仍可在 macOS 虚拟机中使用,以翻译并运行与 macOS 10.15 Catalina 兼容的 64 位英特尔代码应用程序。不过,它和苹果硅芯片上的任何版本的 macOS 一样,存在相同局限性,即无法处理旧版或 32 位应用程序。当苹果在 macOS 28 中停止对 Rosetta 的全面支持时,这一功能将尤为有用。即便主机无法运行,装有旧版本 macOS 的虚拟机仍可翻译并运行兼容的 64 位英特尔代码。

主要限制

直到 Sequoia 系统发布,虚拟机才支持 iCloud 和 iCloud Drive 访问,且现在要求主机和客户操作系统都必须运行 macOS 15.0 或更高版本。由于支持这些功能的虚拟机在结构上与早期虚拟机不同,这意味着从早期 macOS 升级而来的虚拟机仍无法支持 iCloud 或 iCloud Drive。

苹果硅芯片上 macOS 虚拟化的最大限制是无法运行许多来自 App Store 的应用程序。虽有些应用程序能正常运行,但任何需检查 App Store 凭证的应用程序都会失败,因为虚拟机无法登录 App Store。这似乎是苹果授权限制的结果,除非苹果重新考虑并重新设计其应用商店政策,否则这种情况不太可能改变。

一些次要功能也存在问题。例如,虚拟机的网络连接始终被视为以太网连接,即便它们可使用主机的 Wi-Fi 进行连接,也不支持 Wi-Fi 连接。音频支持也很奇怪,似乎仅部分可用。虽 Sequoia 系统支持存储设备,但早期的 macOS 仅限于虚拟机的磁盘映像和共享文件夹。

许多人不知道,苹果的 macOS 许可证在第 2B(iii) 节中确实涵盖了其在虚拟机中的使用,规定任何时候在 Mac 上最多只能同时运行两个 macOS 虚拟机。这一限制由 macOS 强制执行,尝试启动第三个虚拟机将被阻止。需注意的是,该许可证还将虚拟化的用途限制为“(a) 软件开发;(b) 软件开发期间的测试;(c) 使用 macOS Server;或 (d) 个人非商业用途”。值得一提的是,苹果于 2022 年 4 月 21 日停止了对 macOS Server 的支持,并且 Monterey 之后的任何 macOS 版本都不支持该服务器。

使用场景

以下是一些可使用 macOS 虚拟机的场景示例:

  • 在无法运行 Sonoma 系统的 M4 和 M5 Mac 上运行与 Sonoma 兼容但与 Sequoia 不兼容的应用程序。
  • 在自定义环境中运行应用程序,例如使用不同的地区和语言设置。
  • 在安全的环境中检查和访问潜在的恶意文档或应用程序。
  • 测试与多个版本和本地化的 macOS 的兼容性。
  • 在隔离环境中处理高度敏感的数据。
  • 同时访问不同的 iCloud 账户。
  • 运行 macOS 27 的测试版。

总结

苹果硅芯片上的 macOS 虚拟机具有以下特点:

  • 可在任何型号上运行 Monterey 及更高版本,但不能运行 Big Sur 或英特尔版 macOS。
  • 可运行大多数下一版本 macOS 的测试版。
  • 可使用 Rosetta 2 运行英特尔应用程序。
  • 提供接近正常的 CPU 和 GPU 性能,并支持 FileVault。
  • 只有当主机和客户操作系统都运行 Sequoia 或更高版本时,才能访问 iCloud 和 iCloud Drive。
  • 但无法运行大多数 App Store 应用程序。
数据集可视化效果可参见下方展示。 【数据集概况】 · 检测类别(中文):[保龄球(bowling)] · 训练集:594 张 · 验证集:75 张 · 测试集:74 张 · 总计:743 张 该数据集聚焦于室内保龄球馆场景,系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征,为保龄球运动过程中的球体识别轨迹分析提供了高质量标注样本,具有明确的体育训练智能辅助系统开发价值。... 【训练曲线评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6966,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9740、Recall 0.9974,精召双高,模型对保龄球的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖保龄球,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 ...
内容概要:本文聚焦于电力系统中风场景的生成削减问题,系统性地应用m-ISODATA、k-means和HAC三种无监督聚类算法对大规模风力发电数据进行处理,旨在降低风电不确定性带来的计算负担并保留关键时序特征。研究基于Matlab平台实现了完整的数据预处理、聚类建模结果可视化流程,深入探讨了各算法在确定聚类簇数、划分数据结构及构建层次关系方面的机理差异,并通过实验对比验证了其在场景削减效果、计算效率鲁棒性方面的性能表现。该方法为含高比例风电的电力系统提供了高效、可靠的典型场景集构建手段,支撑后续的随机优化、风险评估调度决策。; 适合人群:具备电力系统分析基础、熟悉Matlab编程的研究生、科研人员以及从事新能源并网、电力系统规划运行优化的工程技术人员。; 使用场景及目标:①应对风电出力强随机性波动性,为随机规划、鲁棒优化等高级应用提供精简且具代表性的输入场景;②深入比较m-ISODATA(自适应确定簇数)、k-means(高效快速划分)HAC(构建层次化场景结构)三类算法的技术特点适用边界,指导实际项目中算法选型;③通过代码实践掌握从原始风速/功率数据清洗、特征提取、距离度量选择、聚类有效性评估到最终场景概率赋值的全流程技术栈。; 阅读建议:学习者应结合提供的Matlab代码进行动手实践,重点理解数据标准化、欧式距离动态时间规整(DTW)等相似性度量的选择依据、聚类数目评估指标(如肘部法则、轮廓系数)的应用,以及如何通过削减前后场景的概率分布和典型性来检验结果质量,并可进一步将此方法迁移至光伏发电、负荷等其他不确定性场景的建模简化研究中。
内容概要:本文围绕2026年高教社杯全国大学生数学建模竞赛A题“药材的烘干问题”,提供了一套完整的数学建模解决方案,涵盖问题分析、模型构建、算法求解结果验证全过程。文中详细探讨了药材烘干过程中温度、湿度、风速等关键参数对干燥效率品质的影响,建立了基于传热传质理论的动态数学模型,并结合实际约束条件,采用优化算法对烘干工艺进行参数调优。此外,资源包内还包含配套的MATLAB代码论文撰写模板,实现了从理论建模到编程实现再到成果输出的一体化支持,具有较强的实践指导意义。; 适合人群:全国大学生数学建模竞赛参赛学生,尤其是具备一定数学建模基础、编程能力(如MATLAB)和优化理论知识的本科高年级学生或研究生;也可供从事农业工程、中药加工、干燥技术等领域研究的技术人员参考。; 使用场景及目标:①应用于数学建模竞赛中对实际工程问题的建模求解训练;②掌握传热传质模型在农产品干燥中的应用方法;③学习如何将物理过程转化为数学模型并利用优化算法求解;④获取可复用的代码框架论文写作范式,提升竞赛备赛效率。; 阅读建议:建议读者结合所提供的代码数据同步运行、调试模型,深入理解各模块的设计逻辑;在学习过程中重点关注模型假设的合理性、参数敏感性分析及结果可视化表达技巧,以全面提升建模综合能力。
内容概要:本文围绕2026年高教社杯全国大学生数学建模竞赛C题“微网外部电网电力调控策略”展开,系统研究了微电网内部源-荷-储的协同优化调度及其主电网的能量交互机制。内容涵盖电力系统建模、不确定性因素(如风光出力波动、负荷变化)的处理方法,重点引入鲁棒优化、两阶段优化等先进建模技术以提升策略的稳定性实用性。研究不仅构建了完整的数学模型,还配套提供了Matlab代码实现、仿真结果分析及论文撰写框架,帮助使用者从理论到实践全面掌握问题求解路径。此外,资源包中包含了详细的运行结果展示、参考文献支持以及可复现的完整资料下载链接,极大提升了学习参赛效率。; 适合人群:全国大学生数学建模竞赛参赛学生,尤其是具备一定数学建模基础、Matlab编程能力及电力系统相关知识的本科生研究生;同时也适用于从事微电网优化、能源调度、智能电网等领域研究的科研人员和技术开发者。; 使用场景及目标:①用于备赛训练,快速掌握C题核心建模思路求解流程,提升竞赛实战能力;②学习微电网在不确定性环境下的优化调度方法,深入理解鲁棒优化、场景削减、多目标协调等关键技术在能源系统中的实际应用;③通过提供的代码论文模板进行修改拓展,完成高质量的建模作品或科研原型。; 其他说明:该资源为免费分享内容,包含题目解析、完整代码、仿真结果论文框架,可通过指定公众号“荔枝科研社”或百度网盘链接获取全套资料。建议使用者结合实际数据进行模型调参结果验证,以增强模型的适应性创新性,同时鼓励在原有基础上开展延伸研究,提升学术应用价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值