Harvester v1.5.0-rc1 版本深度解析与功能前瞻
2025-06-13 13:23:45作者:卓炯娓
项目概述
Harvester 是一个开源的超融合基础设施(HCI)解决方案,它将计算、存储和网络功能集成在一个统一的平台上。作为基于 Kubernetes 构建的现代化基础设施平台,Harvester 专为虚拟化工作负载设计,提供了简单易用的管理界面和强大的功能集。
版本核心特性
1. 存储系统重大升级
本次预发布版本最引人注目的改进之一是集成了 Longhorn v1.8.1 存储系统,带来了多项关键增强:
- 数据引擎升级:全新的 v2 数据引擎显著提升了性能,特别是在处理高并发 I/O 操作时表现更优
- 实时迁移支持:现在可以在不中断服务的情况下迁移虚拟机存储
- 启动卷优化:改进了启动卷的处理机制,加快了虚拟机启动速度
- 镜像支持增强:为后端存储提供了更好的镜像支持能力
2. 虚拟化技术增强
KubeVirt 升级至 v1.4.0 版本,为 Harvester 带来了更强大的虚拟化能力:
- EFI 支持改进:新增了 EFI 持久状态复选框,用户可以更灵活地配置虚拟机的固件设置
- TPM 支持:增加了对可信平台模块(TPM)的支持,增强了虚拟机的安全性
- PCI 设备管理:优化了 PCI 设备(包括 GPU)的分配和管理机制
3. 网络功能强化
网络子系统在本版本中获得了多项重要改进:
- 存储网络支持:现在可以为存储流量配置独立的网络,包括支持无标记 VLAN
- DHCP 管理增强:改进了 DHCP 代理的同步机制,能够自动检测虚拟机 MAC 地址变更
- IP 分配优化:解决了 IP 耗尽问题,改进了 IP 地址管理逻辑
4. 备份与恢复改进
备份系统在本版本中获得了显著增强:
- 跨集群恢复:修复了将虚拟机备份恢复到不同命名空间或集群的问题
- 备份目标验证:增加了对备份目标设置的兼容性检查
- 计划备份可靠性:改进了计划备份的稳定性,确保备份任务按预期执行
安装与部署优化
v1.5.0-rc1 在安装体验上做了多项改进:
- 网络安装支持:新增了网络安装 ISO,简化了大规模部署流程
- 磁盘清理选项:在安装界面增加了明确的磁盘清理选项,避免意外数据丢失
- ARM64 支持:继续完善对 ARM64 架构的支持,虽然仍处于技术预览阶段
管理功能增强
1. 用户界面改进
- 资源配额计算:修正了虚拟机资源配额的计算逻辑,确保更准确地反映实际使用情况
- 操作确认对话框:为关键操作(如停止/暂停虚拟机)增加了确认提示,防止误操作
- 标签管理:改进了虚拟机的标签功能,使资源组织更加灵活
2. 监控与日志
- 升级日志优化:增强了升级过程中的日志收集和分析能力
- 证书检查:增加了对证书过期时间的验证,提前预警潜在问题
- 指标收集:改进了指标收集机制,提供更准确的性能数据
生态系统集成
- Rancher 集成:更新了与 Rancher v2.10.1 的集成,确保无缝管理体验
- Terraform 支持:修复了 Terraform 提供程序中的多个问题,提升了自动化部署的可靠性
- 云提供商集成:改进了与各种云平台的互操作性
注意事项
作为预发布版本,v1.5.0-rc1 不建议用于生产环境。特别需要注意的是:
- 不支持从任何现有版本升级到此版本
- 从此版本升级到后续版本也不受支持
- ARM64 支持仍处于技术预览阶段,可能存在功能限制
总结
Harvester v1.5.0-rc1 标志着该项目在存储性能、虚拟化能力和管理功能方面的重要进步。新版本特别关注了企业级用户关心的数据可靠性、运维便捷性和系统扩展性。虽然作为预发布版本存在使用限制,但它展示了 Harvester 作为现代化超融合平台的持续创新方向。
对于考虑评估 Harvester 的用户,这个版本提供了了解项目最新技术方向的好机会,但生产部署应等待正式版本的发布。随着功能的不断丰富和稳定性的持续提升,Harvester 正在成为开源超融合领域的重要选择之一。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
617
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258