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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00