Harvester升级前检查脚本中bc命令缺失问题分析
2025-06-14 03:58:03作者:昌雅子Ethen
问题背景
在Harvester集群管理系统中,升级前检查脚本(check.sh)是确保系统升级顺利进行的重要工具。该脚本会对节点状态、资源占用情况等进行全面检测,以避免升级过程中出现意外问题。然而在Harvester 1.3.2及1.4.1版本中,用户执行该脚本时遇到了bc命令缺失的错误提示。
错误现象
当管理员在控制节点上执行升级前检查脚本时,控制台会输出以下错误信息:
==============================
Starting Node Free Space check...
./check.sh: line 414: bc: command not found
./check.sh: line 414: [: -eq: unary operator expected
...
Node-Free-Space Test: Pass
==============================
虽然最终检查结果显示通过,但这些错误信息会影响管理员对检查结果的判断,并可能掩盖其他潜在问题。
技术分析
bc命令的作用
bc(Basic Calculator)是一个用于数学计算的命令行工具,在脚本中常用于浮点数运算和数值比较。在Harvester的检查脚本中,它被用来计算节点磁盘空间是否满足升级要求。
问题根源
Harvester基于SUSE Linux Enterprise Micro(SLE Micro)构建,其基础镜像为了保持轻量级,默认不包含bc工具包。这导致脚本中依赖bc命令的检查逻辑无法正常执行。
影响范围
该问题影响多个Harvester版本:
- 确认受影响的版本:1.3.2、1.4.1
- 可能受影响的其他1.x版本
解决方案
临时解决方案
对于需要立即执行检查的管理员,可以手动安装bc工具包:
transactional-update pkg install bc
安装完成后需要重启节点使更改生效。
长期解决方案
Harvester开发团队已经修复了该问题,新版本的检查脚本会:
- 增加对bc命令的可用性检查
- 在不支持bc命令时采用替代计算方法
- 提供更清晰的错误提示
最佳实践建议
- 在执行关键操作前,建议先验证所需工具的可用性
- 对于生产环境,应在测试环境中预先验证升级流程
- 关注Harvester的版本更新,及时应用修复补丁
总结
Harvester升级前检查脚本中的bc命令缺失问题虽然不影响最终检查结果,但反映了脚本健壮性方面的不足。通过理解这类问题的成因和解决方案,管理员可以更好地维护Harvester集群,确保升级过程的顺利进行。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥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
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen 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
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160