Harvester项目中VM卷模式配置的优化与实现
2025-06-14 14:09:00作者:尤辰城Agatha
背景介绍
在虚拟化环境中,存储卷的管理是核心功能之一。Harvester作为一个开源的超融合基础设施(HCI)解决方案,近期对其虚拟机(VM)存储卷管理功能进行了重要增强。特别是在支持第三方存储时,用户需要能够灵活配置卷模式(volumeMode),这对存储功能的完整性和兼容性至关重要。
卷模式的概念解析
在Kubernetes存储体系中,卷模式主要分为两种类型:
- 块设备模式(Block):将存储作为原始块设备提供给Pod或虚拟机,适合需要直接访问块设备的场景
- 文件系统模式(Filesystem):存储提供者会在挂载前自动格式化文件系统,适合常规文件存储需求
在Harvester之前的版本中,UI界面没有提供卷模式的配置选项,这在使用某些第三方存储驱动(如NFS CSI、Portworx CSI等)时会造成兼容性问题。
技术实现细节
Harvester团队通过以下方式实现了这一增强功能:
- 后端适配:修改了后端逻辑,支持动态创建卷时指定volumeMode参数
- UI界面增强:在虚拟机创建页面添加了卷模式选择下拉框,允许用户根据存储类型选择合适的模式
- 存储类集成:与Kubernetes StorageClass机制深度集成,确保配置能够正确传递到底层存储系统
实际应用场景
这一改进特别适用于以下场景:
- 使用NFS存储:需要明确指定Filesystem模式
- Portworx CSI存储:某些功能(如RWX)需要Block模式支持
- LVM本地存储:根据应用需求选择不同模式
用户操作指南
在实际使用中,用户需要注意:
- 即使选择了Filesystem模式,虚拟机内部仍需要执行mkfs格式化操作
- 对于第三方存储,可能需要手动更新StorageProfile资源以定义支持的访问模式和卷模式
- 块设备模式通常需要额外的分区和格式化步骤才能使用
技术深度解析
从技术架构角度看,这一改进涉及多个Kubernetes和KubeVirt组件的协同工作:
- CDI(Containerized Data Importer):负责处理存储卷的导入和准备
- StorageProfile:定义了存储类的详细参数和能力
- CSI驱动:实际执行卷的创建和管理操作
未来展望
虽然当前实现已经解决了基本需求,但团队计划在后续版本中进一步优化:
- 改进VM镜像创建流程中的卷模式处理
- 提供更智能的默认值选择机制
- 增强StorageProfile的自动化管理能力
这一改进显著提升了Harvester在异构存储环境中的适应能力,为企业在复杂基础设施中部署虚拟化工作负载提供了更多灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878