Cloudpods项目中宿主机管理口使用非VLAN 1的配置方法
在Cloudpods云计算平台的实际部署中,经常会遇到需要将宿主机管理网络与业务网络复用同一物理网卡的情况。这种情况下,通常需要通过VLAN子接口来实现网络隔离。本文将详细介绍在Cloudpods项目中如何正确配置宿主机管理口使用非VLAN 1的VLAN ID。
网络拓扑背景
典型的部署场景中,计算节点的管理网和业务网会复用bond0接口。bond0上配置一个VLAN子接口(如bond0.36)作为管理网络,并分配管理IP地址。同时,bond0主接口作为业务流量的承载网卡,用于创建二层网络。
配置文件解析
在Cloudpods项目中,宿主机的网络配置主要通过/etc/yunion/host.conf文件进行管理。当管理口使用非VLAN 1时,需要特别注意以下几点:
-
网络接口定义格式:配置文件中的网络接口定义采用"物理接口/网桥/IP地址"的格式
-
VLAN子接口表示:对于VLAN子接口,需要在物理接口名后加上VLAN ID,如bond0.36
-
网桥配置:每个网络接口需要关联到对应的网桥
具体配置方法
针对管理口使用VLAN 36(bond0.36)而业务流量走bond0主接口的场景,推荐采用以下配置方式:
networks:
- bond0.36/br0/10.87.16.21
- bond0/br1/bcast1
这个配置实现了:
- 管理网络通过bond0.36子接口接入br0网桥,并配置管理IP地址
- 业务流量通过bond0主接口接入br1网桥,关联到名为bcast1的二层网络
配置注意事项
-
网桥成员检查:配置完成后,应使用
ovs-vsctl list-ports br0命令检查网桥成员,确保bond0.36已正确加入br0网桥 -
物理接口移除:如果发现bond0错误地加入了br0网桥,需要手动移除后再重启服务
-
二层网络创建:在Cloudpods平台中需要预先创建名为bcast1的二层网络,后续业务子网都应创建在这个二层网络下
-
listen_interface参数:在大多数情况下不需要特别配置,系统会自动选择有IP地址的网卡作为监听接口
配置验证
配置完成后,可以通过以下步骤验证:
- 检查宿主机管理网络连通性
- 创建测试虚拟机并分配业务网络,验证网络连通性
- 检查ovs网桥状态和流表
通过以上配置方法,可以实现在Cloudpods平台中复用同一物理网卡同时承载管理网络和业务网络的需求,同时保证网络隔离和性能要求。这种配置方式特别适合网卡资源有限的环境,能够最大化利用现有网络基础设施。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00