Cobbler项目中的CentOS 9 Stream EFI引导问题分析与解决方案
问题背景
在Cobbler自动化部署环境中,当使用CentOS 9 Stream操作系统并启用UEFI模式时,系统安装完成后会出现引导失败的问题。具体表现为系统无法从本地GRUB选项正确引导,而是显示找不到EFI引导文件的错误信息。
问题现象
系统重启后尝试从本地引导时,会出现以下错误提示:
Failed to open \efi\boot\grubx64.efi - Not Found
Failed to load image \efi\boot\grubx64.efi: Not Found
start_image() returned Not Found
error: ../../grub-core/loader/efi/chainloader.c:88:unknown error.
技术分析
这个问题源于Cobbler的GRUB配置文件中缺少对CentOS 9 Stream特定EFI引导路径的支持。在UEFI模式下,不同Linux发行版的GRUB引导文件存放路径有所不同:
- Ubuntu系统通常将GRUB EFI文件存放在
/efi/ubuntu/grubx64.efi - 传统GRUB安装可能使用
/efi/grub/grub.efi - CentOS 9 Stream则将其GRUB EFI文件存放在
/efi/centos/grubx64.efi
当前的Cobbler配置只检查了前两种路径,当找不到这些文件时会默认尝试加载/efi/boot/bootx64.efi,而CentOS 9 Stream并不在这个默认路径安装GRUB EFI文件,导致引导失败。
解决方案
解决此问题需要修改Cobbler的GRUB配置文件,增加对CentOS 9 Stream EFI引导路径的支持。具体修改如下:
- 编辑
config/grub/grub/local_efi.cfg文件 - 在现有的条件判断中增加对CentOS路径的检查
- 如果找到CentOS的GRUB EFI文件,则加载该文件
修改后的配置片段如下:
elif [ -f (${root})/efi/centos/grubx64.efi ] ; then
chainloader (${root})/efi/centos/grubx64.efi
实施建议
对于已经部署的系统,可以通过以下方式应用此修复:
- 在Cobbler服务器上修改GRUB配置文件
- 重新生成系统引导配置
- 在客户端系统上验证EFI引导文件确实存在于
/efi/centos/grubx64.efi路径 - 重启客户端系统测试引导是否正常
技术延伸
这个问题反映了现代Linux发行版在UEFI引导实现上的差异。随着UEFI成为主流的引导方式,不同发行版对EFI系统分区的使用规范尚未完全统一。作为系统部署工具,Cobbler需要适应这些差异,提供更全面的路径检测机制。
对于系统管理员来说,理解各发行版的EFI文件存放位置对于故障排查非常重要。除了CentOS外,其他主流发行版的典型路径包括:
- RHEL:
/efi/redhat/grubx64.efi - Fedora:
/efi/fedora/grubx64.efi - Debian:
/efi/debian/grubx64.efi
总结
通过增加对CentOS 9 Stream特定EFI引导路径的支持,可以有效解决Cobbler部署后系统无法本地引导的问题。这个案例也提醒我们,在自动化部署工具中需要持续更新对各种发行版新版本的支持,特别是在引导机制等关键系统组件发生变化时。对于使用Cobbler进行大规模部署的环境,建议定期检查并更新这类基础配置,以确保对新版本操作系统的兼容性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00