Harvester中集成Rancher管理的最佳实践
在虚拟化平台Harvester中集成Rancher进行集群管理是一个常见的需求,特别是在1.4.0版本中。本文将详细介绍两种主要的集成方案,并针对常见的证书验证问题提供解决方案。
Rancher部署方案选择
对于Harvester用户来说,集成Rancher主要有两种途径:
-
独立部署方案:在专用物理机或虚拟机上部署Rancher服务。这种方式适合有额外硬件资源的环境,可以提供更好的性能和隔离性。
-
内置vCluster方案:通过Harvester的rancher-vcluster插件部署。这是资源受限环境下的理想选择,无需额外硬件即可获得Rancher管理功能。
证书验证问题的解决
在集成过程中,当Rancher使用自签名证书时(如IP地址为192.168.4.230的情况),Harvester可能会拒绝连接。这是因为Harvester默认不信任自签名证书。
解决此问题需要将Rancher的CA证书添加到Harvester的信任链中。具体操作步骤如下:
-
从Rancher集群获取CA证书: 使用kubectl命令从cattle-system命名空间中提取tls-rancher-ingress secret中的CA证书。
-
将获取的证书添加到Harvester: 通过Harvester的Web界面,在"设置"页面找到"additional-ca"配置项,将上一步获取的证书内容添加进去。
最佳实践建议
-
生产环境建议:对于生产环境,建议使用独立部署方案,并配置正式的SSL证书而非自签名证书,以提高安全性和可靠性。
-
测试环境建议:在测试或开发环境中,可以使用vCluster方案快速部署,但需要注意证书管理问题。
-
证书管理:无论采用哪种方案,都应建立完善的证书管理流程,确保证书在到期前及时更新。
通过以上方案,用户可以在Harvester环境中灵活地集成Rancher管理功能,根据实际需求选择最适合的部署方式,并有效解决常见的证书验证问题。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C084
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
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