Harvester项目中的Rancher UI扩展在离线环境下的部署指南
2025-06-15 02:16:08作者:董灵辛Dennis
前言
在企业级Kubernetes管理场景中,离线环境(air-gapped)部署是一个常见需求。本文将详细介绍如何在离线环境中为Harvester项目配置Rancher UI扩展,帮助系统管理员和DevOps工程师顺利完成部署。
离线环境部署的核心挑战
Harvester从1.5版本开始引入了与Rancher v2.10.x的UI扩展集成。在标准网络环境下,UI扩展可以自动安装,但在离线环境中需要特殊配置。主要面临以下挑战:
- 需要建立本地扩展仓库
- Rancher UI对社区仓库的自动检测机制不适用于离线环境
- 版本升级时的兼容性问题
离线环境部署方案
1. 建立本地扩展仓库
首先需要准备一个容器镜像仓库来托管Harvester UI扩展的Chart包。推荐使用Harbor或Nexus等企业级仓库解决方案。
关键步骤包括:
- 从Harvester官方仓库获取UI扩展Chart包
- 将Chart推送到本地仓库
- 配置适当的访问权限和认证
2. Rancher中的配置
在Rancher管理界面中,需要手动添加本地仓库作为扩展源:
- 导航至"全局设置"→"扩展"
- 添加新的扩展仓库,指定本地仓库地址
- 验证仓库连接状态
3. 安装UI扩展
虽然Rancher UI会显示"Missing Repo"错误提示,但仍可通过以下方式手动安装:
- 创建Extension自定义资源
- 指定本地仓库中的Chart路径
- 应用配置并等待扩展加载
技术细节与最佳实践
命名空间注意事项
在Rancher v2.10.2版本中,需要预先创建cattle-ui-plugin-system命名空间。这是Rancher UI扩展运行的基础环境,建议在部署Rancher时就创建好该命名空间。
版本兼容性
不同版本的Harvester需要对应特定版本的UI扩展:
- Harvester 1.3/1.4/1.5分别有对应的扩展版本
- 升级时需要同步更新扩展版本
自动化改进方向
当前方案存在以下可优化点:
- 集成Rancher的
useSystemBundledCharts机制 - 自动检测离线环境状态
- 简化本地仓库的构建流程
总结
离线环境下的Harvester UI扩展部署虽然需要额外步骤,但通过合理的规划和配置完全可以实现稳定运行。建议企业在实施前:
- 详细规划仓库架构
- 测试不同版本的兼容性
- 建立完善的升级流程
随着Harvester项目的持续发展,预计未来版本会进一步简化离线部署流程,为企业用户提供更便捷的管理体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134