GOAD项目中SCCM实验室安装问题分析与解决方案
问题背景
在GOAD项目环境中搭建SCCM实验室时,用户遇到了两个关键性的安装错误。这些错误主要出现在使用Ludus自动化工具部署SCCM组件的过程中,特别是在服务器角色安装阶段。本文将详细分析这些问题产生的原因,并提供专业的技术解决方案。
问题一:数据库安装失败
在SRV02服务器上执行"Install the database"任务时,系统报错导致安装过程中断。经过排查发现,这是由于.NET Framework 4.7.2组件缺失造成的依赖性问题。
根本原因分析
SCCM(System Center Configuration Manager)的核心组件对.NET Framework有严格的版本要求。在Windows Server 2016/2019环境中,某些版本的.NET Framework可能不会默认安装,而SCCM安装程序又不会自动处理这些前置依赖。
解决方案
-
手动安装.NET Framework 4.7.2:
- 从微软官方下载.NET Framework 4.7.2离线安装包
- 在SRV02上以管理员身份运行安装程序
- 完成安装后重启服务器
- 重新运行SCCM安装流程
-
使用正确的服务器版本:
- 确认使用Windows Server 2019而非2016版本
- 2019版本对现代组件的支持更完善,可能已包含所需依赖
问题二:.NET Framework 3.5安装失败
在SRV01服务器上,当执行"Install .NET Framework 3.5 with DISM"任务时,安装过程因Windows Update服务未运行而失败。
技术分析
.NET Framework 3.5的安装方式与较新版本不同,它依赖于Windows Update服务来获取必要的组件文件。即使使用DISM(部署映像服务和管理)工具进行离线安装,系统仍需要Windows Update服务处于运行状态。
解决方案步骤
-
启用Windows Update服务:
Set-Service -Name wuauserv -StartupType Automatic Start-Service -Name wuauserv -
验证服务状态:
Get-Service -Name wuauserv确保服务状态显示为"Running"
-
重新运行安装任务:
- 在确认Windows Update服务正常运行后
- 重新执行sccm-install.yml中的相关任务
最佳实践建议
-
环境预检查:
- 在运行自动化部署前,手动验证所有目标服务器的Windows Update服务状态
- 检查各服务器已安装的.NET Framework版本
-
依赖项管理:
# 检查已安装的.NET Framework版本 Get-ChildItem 'HKLM:\SOFTWARE\Microsoft\NET Framework Setup\NDP' -Recurse | Get-ItemProperty -Name Version -EA 0 | Where { $_.PSChildName -match '^(?!S)\p{L}'} | Select PSChildName, Version -
自动化脚本增强:
- 在部署脚本中添加前置检查步骤
- 对关键服务状态进行验证
- 实现依赖组件的自动安装逻辑
总结
在GOAD项目环境中部署SCCM时,正确处理.NET Framework依赖关系是关键所在。通过理解不同版本.NET Framework的安装机制,以及它们与Windows系统服务的交互方式,可以有效预防和解决这类安装问题。建议在自动化部署流程中加入完善的预检机制,确保所有前置条件得到满足,从而提高部署成功率和效率。
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01