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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00