Harvester项目中的第三方存储集成技术解析
前言
在云原生和虚拟化技术快速发展的今天,存储系统的灵活性和可扩展性变得尤为重要。作为一款基于Kubernetes构建的开源超融合基础设施(HCI)解决方案,Harvester项目近期实现了对第三方存储系统的集成能力,这标志着其存储架构的重要演进。
存储集成架构设计
Harvester通过Containerized Data Importer(CDI)技术实现了对多种存储后端的支持。CDI作为Kubernetes生态系统中的数据导入工具,为Harvester提供了标准化的存储卷管理接口。系统设计中特别考虑了以下关键点:
-
存储后端抽象层:通过spec.backend字段区分不同存储类型,如Longhorn V1使用backingimage,其他类型则使用cdi。
-
存储类动态选择:用户可以在创建镜像时选择任意可用的StorageClass,系统会自动适配不同的存储后端。
-
数据迁移机制:特别针对Longhorn v2数据引擎,默认启用migratable特性以支持v1.8版本后的实时迁移功能。
用户界面交互优化
Harvester团队对用户界面进行了全面升级以支持新的存储架构:
-
镜像管理界面:
- 新增存储类显示列,方便用户识别镜像的存储位置
- 上传/下载镜像时自动填充后端存储类型信息
-
虚拟机创建流程:
- 显示根磁盘的存储类和虚拟大小信息
- 当根磁盘大小小于镜像虚拟大小时显示错误提示并禁用创建按钮
- 优化了从Longhorn v2镜像创建VM时的状态显示逻辑
-
存储卷管理:
- 过滤掉标记为黄金镜像的PVC和卷
- 根据存储类型动态调整可用操作(如导出镜像、创建快照等)
技术实现细节
在底层实现上,Harvester采用了多项关键技术:
-
克隆策略管理:控制器会自动为已验证的存储提供程序(如Longhorn v2引擎)补丁cloneStrategy字段,目前仅支持copy方式。
-
存储特性适配:
- 对于CDI卷(如LVM、NFS、LHv2),禁止导出到LHv1镜像
- 除LHv2存储类外,其他卷支持快照操作
-
状态机优化:解决了从Longhorn v2镜像创建VM时因CDI完整拷贝导致的长时间"stopping"状态问题,通过状态机调整实现了更流畅的用户体验。
未来发展方向
虽然当前版本已实现核心功能,但团队规划了进一步的优化:
-
存储策略配置:计划为高级用户提供cloneStrategy等参数的界面配置能力
-
第三方存储配置:将建立专门的配置界面和管理流程
-
性能优化:持续改进从外部存储创建VM的等待时间和状态显示
结语
Harvester对第三方存储的集成不仅扩展了其应用场景,也为用户提供了更灵活的存储选择。这种架构设计体现了云原生技术的优势,通过抽象层将不同存储系统无缝集成,同时保持用户体验的一致性。随着功能的不断完善,Harvester有望成为更加强大和通用的云原生虚拟化平台。
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。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00