Harvester v1.4.3-rc1 技术预览版发布分析
Harvester 是一个开源的超融合基础设施(HCI)解决方案,它将计算、存储和网络功能集成到一个统一的平台中。基于 Kubernetes 和 KubeVirt 构建,Harvester 为虚拟化工作负载提供了现代化的管理方式,特别适合边缘计算和私有云场景。
版本概述
本次发布的 Harvester v1.4.3-rc1 是一个候选发布版本(Release Candidate),主要针对之前版本中发现的一系列问题进行了修复和优化。值得注意的是,这是一个预发布版本,不建议从任何现有版本升级到此版本,也不支持从此版本升级到后续版本。
核心组件升级
该版本包含了多个关键组件的版本更新:
- Longhorn 升级至 v1.7.2 版本,提供了更稳定的分布式块存储功能
- KubeVirt 升级至 v1.3.1,增强了虚拟化能力
- 嵌入式 Rancher 升级至 v2.10.1,改进了集群管理体验
- RKE2 升级至 v1.31.7+rke2r1,提供了更新的 Kubernetes 功能
- 底层操作系统升级为 SLE Micro for Rancher 5.5
主要问题修复
网络与存储优化
修复了 CNI Pod 网络缓存在某些情况下无法正确清理的问题,提高了网络稳定性。同时解决了自动磁盘路径配置(auto-disk-provision-paths)在 1.4.1 版本中失效的问题,确保存储配置能够按预期工作。
虚拟化管理改进
针对虚拟机管理界面进行了多项优化,包括移除了对停止状态的虚拟机不合适的迁移选项,以及修复了使用 USB 设备的虚拟机显示不正确的迁移操作选项的问题。
系统性能与稳定性
解决了节点管理器(node-manager)无法正确更新 NTP 同步状态的问题,提高了时间同步的可靠性。同时修复了 harvester 进程 CPU 使用率过高的问题,优化了系统资源利用率。
升级体验改进
修复了在离线环境(airgap)升级时可能被 Fluentbit/FluentD 组件阻塞的问题,提高了升级过程的可靠性。同时优化了升级界面的用户体验,确保进度指示器能够正确显示。
技术细节
负载均衡 IP 分配优化
修复了在 IPAM 模式下,客户 Kubernetes 集群负载均衡器 IP 分配可能永久卡住的问题,提高了网络服务的可靠性。
Webhook 管理
解决了 Harvester 管理图表(managedchart)被错误标记为"harvester-snapshot-validation-webhook modified"的问题,确保了配置管理的准确性。
安装程序健壮性
增强了安装程序的错误处理能力,修复了当提供格式错误的内核命令行参数时可能导致安装程序崩溃的问题。
总结
Harvester v1.4.3-rc1 作为一个候选发布版本,重点解决了之前版本中的多个关键问题,特别是在网络、存储和虚拟化管理方面的稳定性改进。这些修复将为生产环境提供更可靠的运行基础,同时也为后续的稳定版本发布奠定了基础。
对于考虑部署 Harvester 的用户,建议等待基于此候选版本的正式发布,以获得官方支持的升级路径和长期维护保障。技术爱好者可以在测试环境中体验此版本的新特性和改进,但不建议在生产环境中使用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00