Incus网络转发功能中的SNAT支持问题分析
在云计算环境中,为虚拟机实例分配公网IP地址是一个常见需求。Incus作为容器和虚拟机管理工具,其网络转发功能目前存在一个重要的功能缺口——缺乏对SNAT(源网络地址转换)的完整支持。
当前实现机制
Incus目前通过OVN负载均衡器(LB)实现网络转发功能。当管理员执行类似incus network forward create net1 203.0.113.2 target_address=192.168.0.2的命令时,系统会在底层创建OVN LB规则,将公网IP 203.0.113.2的入站流量转发到内部IP 192.168.0.2。
这种实现方式存在一个明显缺陷:虽然入站(DNAT)功能正常,但出站流量仍然使用实例的原始内网IP地址,而不是期望的公网IP地址。这会导致出站通信时源地址不一致的问题,可能影响某些应用的正常运行。
行业对比分析
主流云平台如OpenStack Neutron(使用OVN后端)采用不同的实现方式。它们使用OVN的"dnat_and_snat"类型NAT规则,同时处理入站和出站流量。这种实现确保了1:1的完整NAT映射,入站和出站流量都使用相同的公网IP地址。
解决方案探讨
目前有两种可能的改进方向:
-
统一使用OVN NAT:借鉴OpenStack Neutron的做法,完全改用OVN的dnat_and_snat功能。这种方式实现简洁,与行业标准一致,能提供完整的NAT功能。
-
补充SNAT规则:在现有LB基础上,额外添加专门的SNAT规则。这种方法需要同时管理两种不同类型的网络规则,增加了复杂性和维护成本。
从技术角度看,第一种方案更为合理和优雅。它不仅简化了实现逻辑,还能与其他云平台保持行为一致,减少用户的学习成本。
总结
Incus的网络转发功能目前缺乏SNAT支持是一个已知问题。社区已经意识到这一点,并计划通过改进实现方式来解决。对于需要完整NAT功能的用户,建议关注项目后续版本更新,或者考虑使用其他临时解决方案来满足业务需求。
随着云计算技术的普及,完整的网络地址转换功能已成为基础需求。Incus项目组正在积极改进这一功能,以提供更完善的网络服务能力。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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