首页
/ Harvester项目中Longhorn v2数据引擎对启动卷的支持解析

Harvester项目中Longhorn v2数据引擎对启动卷的支持解析

2025-06-14 05:33:35作者:段琳惟

背景概述

在Harvester 1.5版本中,团队实现了对Longhorn v2数据引擎的关键功能增强——启动卷支持。这一技术突破为基于Kubernetes的混合云平台带来了更强大的存储能力,特别是在虚拟机启动卷管理方面。

技术实现要点

Longhorn v2数据引擎在1.8版本中引入了多项架构改进,Harvester团队在此基础上实现了以下核心功能:

  1. 启动卷支持:通过Longhorn v2数据引擎为虚拟机提供启动卷支持,这是实现完整虚拟机生命周期管理的关键基础。

  2. CDI路径集成:采用Containerized Data Importer(CDI)作为数据导入的标准路径,确保与Kubernetes生态系统的无缝集成。

  3. 存储策略调整:由于Longhorn v1.8版本尚不支持从快照克隆,团队将克隆策略调整为"copy"模式而非"snapshot"模式,这一调整保证了功能的可用性。

实际应用验证

在实际部署测试中,技术团队验证了以下关键场景:

  • 成功创建基于v2数据引擎的虚拟机镜像和根磁盘
  • 验证了虚拟机在各种操作下的稳定性,包括停止、暂停、重启等
  • 测试了虚拟机跨节点迁移能力,包括迁移至未配置v2数据引擎专用磁盘的节点

测试环境覆盖了裸金属服务器和虚拟化平台,确保了功能的广泛适用性。

技术价值分析

这一功能的实现为Harvester平台带来了显著的技术优势:

  1. 性能提升:v2数据引擎相比传统实现提供了更高的I/O性能
  2. 资源利用率优化:通过灵活的存储策略配置,用户可以更精细地控制存储资源
  3. 扩展性增强:为未来支持更多高级存储功能奠定了基础

部署注意事项

在实际部署时,管理员需要注意:

  1. 至少需要3个节点组成集群
  2. 需要在部分节点上额外配置专用于v2数据引擎的存储磁盘
  3. 需要正确配置存储类(StorageClass)以利用v2数据引擎的特性

这一功能的实现标志着Harvester在云原生存储管理方面又迈出了重要一步,为后续更多高级功能的开发奠定了坚实基础。

登录后查看全文
热门项目推荐
相关项目推荐

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