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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
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++
692
1.36 K
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++
865
1.96 K
Ascend Extension for PyTorch
Python
728
905
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
461
455
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++
1.09 K
1.12 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265