首页
/ Harvester项目:从VMware ESXi导入虚拟机的实践指南

Harvester项目:从VMware ESXi导入虚拟机的实践指南

2025-06-13 19:03:09作者:董灵辛Dennis

概述

在企业虚拟化环境迁移过程中,将现有VMware ESXi主机上的虚拟机迁移到Harvester平台是一个常见需求。本文将详细介绍如何使用Harvester 1.5版本从独立ESXi 6.0/6.7主机导入虚拟机,包括配置步骤、常见问题排查以及最佳实践建议。

环境准备

在开始迁移前,需要确保以下环境条件:

  1. 源端环境:VMware ESXi 6.0或6.7独立主机(无需vCenter)
  2. 目标环境:Harvester 1.5集群正常运行
  3. 网络连通:确保Harvester节点能够访问ESXi管理网络

详细配置步骤

1. 创建访问凭证Secret

首先需要创建一个Kubernetes Secret来存储ESXi主机的访问凭证:

apiVersion: v1
kind: Secret
metadata:
  name: vsphere-credentials
  namespace: default
stringData:
  username: "root"  # ESXi管理员账户
  password: "your_esxi_password"  # 实际密码

2. 配置VmwareSource资源

创建VmwareSource资源定义,特别注意端点URL需要包含/sdk路径:

apiVersion: migration.harvesterhci.io/v1beta1
kind: VmwareSource
metadata:
  name: esxi-source
  namespace: default
spec:
  endpoint: "https://<ESXi_IP>/sdk"  # 必须包含/sdk路径
  dc: "datastore1"  # 默认数据存储名称
  credentials:
    name: vsphere-credentials
    namespace: default

3. 验证连接状态

应用配置后,检查harvester-vm-import-controller的日志:

kubectl logs -f harvester-vm-import-controller-<pod-id> -n harvester-system

成功连接后应看到类似"Successfully connected to ESXi host"的日志信息。

常见问题排查

1. 400 Bad Request错误

当出现"400 Bad Request"错误时,通常是因为:

  • 端点URL格式不正确(缺少/sdk路径)
  • ESXi的API服务未正常运行
  • 证书验证失败(可尝试添加insecure: true参数)

2. 凭证找不到错误

确保Secret资源已正确创建,且名称与VmwareSource中引用的完全一致。可通过以下命令验证:

kubectl get secret vsphere-credentials -n default -o yaml

3. 数据存储问题

独立ESXi主机通常使用"datastore1"作为默认数据存储名称。如果使用自定义名称,需要在dc字段中准确指定。

高级配置建议

  1. 批量迁移:可以创建多个VmwareSource资源,分别对应不同的ESXi主机
  2. 网络映射:在VirtualMachineImport资源中配置网络映射规则,确保虚拟机导入后网络配置正确
  3. 存储优化:对于大型虚拟机,建议在非业务高峰时段执行迁移

性能优化技巧

  1. 在ESXi主机上启用SSH服务,Harvester可以通过SSH协议加速数据传输
  2. 对于多虚拟机迁移,建议按优先级分批进行
  3. 监控Harvester节点的资源使用情况,必要时增加节点资源

总结

通过Harvester的vm-import功能,企业可以高效地将独立ESXi环境中的虚拟机迁移到现代化的Harvester平台。关键点在于正确配置端点URL和访问凭证,并理解ESXi独立主机与vCenter环境的配置差异。对于生产环境,建议先在测试环境验证迁移过程,确保业务连续性。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
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++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 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。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 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 Notebook
647
284