Docker容器中ffmpeg调用GPU

Docker容器中ffmpeg调用GPU硬编码

在容器中使用 GPU 加速来处理视频流或其他相关任务，并且宿主机已经配置了 GPU 驱动，通常需要将宿主机的 NVIDIA 相关库文件（如 libnvcuvid.so 和 libnvidia-encode.so）复制到容器中，以便容器能够正确识别并使用这些库。

操作步骤：

1. 确认宿主机上存在相关库

   在宿主机上，找到 libnvcuvid.so 和 libnvidia-encode.so 库文件的位置。通常这些库文件位于 /usr/lib/x86_64-linux-gnu/ 或 /usr/local/cuda/lib64/ 目录下。

   例如：

   find /usr -name 'libnvcuvid.so*'
   find /usr -name 'libnvidia-encode.so*'
   
   

2. 将库文件复制到容器中

   然后将库文件复制到容器的 /lib 目录下：

   docker cp /path/to/libnvcuvid.so.* <container_id>:/lib/
   docker cp /path/to/libnvidia-encode.so.* <container_id>:/lib/
   
   

3. 在容器内创建软连接

   进入容器的 shell：

   docker exec -it <container_id> /bin/bash
   
   

   在容器内的 /lib 目录下创建软连接：

   ln -s /lib/libnvcuvid.so.<version> /lib/libnvcuvid.so.1
   ln -s /lib/libnvidia-encode.so.<version> /lib/libnvidia-encode.so.1
   
   # docker cp /usr/lib/x86_64-linux-gnu/libnvcuvid.so.550.127.08  docker-api-1:/app/lib
   # docker cp /usr/lib/x86_64-linux-gnu/libnvidia-encode.so.550.127.08 docker-api-1:/app/lib
   

   这里 <version> 是实际的库文件版本号，例如 libnvcuvid.so.1.0.0 或类似的文件名。

4. 确保容器支持 GPU 加速

   如果你还没有在容器中启用 GPU 支持，确保使用了 NVIDIA 提供的 Docker 运行时。你需要在运行容器时指定 --gpus all 或其他适当的选项来启用 GPU。例如：

   docker run --gpus all -d <image_name>
   
   

注意：

消费级显卡对于视频编解码有并发限制。

Video Encode and Decode GPU Support Matrix