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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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