Harvester安装过程中分区大小不一致问题分析
2025-06-14 08:24:47作者:郜逊炳
在Harvester虚拟化管理平台的安装过程中,我们发现了一个关于操作系统分区大小不一致的问题。这个问题主要出现在使用单独数据磁盘和共享数据/安装磁盘两种不同安装场景下。
问题现象
当Harvester部署在单一磁盘上(即安装和数据共享同一磁盘)时,系统会创建如下分区结构:
- COS_OEM分区:50MB
- COS_RECOVERY分区:8GB
- COS_STATE分区:15GB
而当使用独立数据磁盘安装时,分区结构则变为:
- COS_OEM分区:64MB
- COS_RECOVERY分区:4GB
- COS_STATE分区:8GB
这种不一致性可能导致系统在不同部署方式下表现出不同的行为特性,特别是在系统恢复和状态管理方面。
技术背景
Harvester基于Elemental工具包构建,其安装过程涉及复杂的磁盘分区逻辑。在底层实现上,安装程序会根据不同的磁盘配置方案调用不同的分区创建函数:
- 对于共享磁盘方案,安装程序调用
config.CreateRootPartitioningLayout()函数 - 对于独立数据磁盘方案,则使用Elemental工具包的默认分区配置
这两种路径使用了不同的常量定义,导致了最终分区大小的差异。
影响分析
这种分区大小不一致可能带来以下潜在影响:
- 恢复能力差异:COS_RECOVERY分区大小减半可能影响系统恢复功能的可靠性
- 状态存储限制:COS_STATE分区缩小可能限制系统状态信息的存储容量
- 兼容性问题:不同部署方式下的不一致行为可能增加维护复杂度
解决方案
该问题已在Harvester v1.4.2和v1.5.0版本中得到修复。修复方案主要涉及:
- 统一分区大小常量定义
- 确保无论采用何种磁盘配置方案,核心系统分区都保持相同大小
- 与上游Elemental工具包保持分区策略的一致性
最佳实践建议
对于系统管理员和部署人员,我们建议:
- 在规划Harvester部署时,考虑分区大小的需求
- 对于生产环境,建议使用v1.4.2或更高版本
- 在升级现有系统时,注意检查分区布局变化可能带来的影响
通过这次问题的分析和修复,Harvester在不同部署场景下的行为更加一致,提高了系统的可靠性和可预测性。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
openEuler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。
C
468
461
Ascend Extension for PyTorch
Python
757
960
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646