Harvester v1.5.0-rc2 技术预览版深度解析
Harvester作为一款基于Kubernetes构建的开源超融合基础设施(HCI)解决方案,近日发布了v1.5.0-rc2技术预览版。这个版本标志着Harvester在存储功能、虚拟化管理以及集群稳定性方面又向前迈进了一大步。
核心组件升级
本次发布的v1.5.0-rc2版本对多个核心组件进行了重要升级:
- Longhorn升级至v1.8.1:新版Longhorn带来了更强大的数据引擎和存储管理能力,特别是在数据持久化和备份恢复方面有显著提升。
- KubeVirt升级至v1.4.0:增强了虚拟机的生命周期管理功能,为VM的创建、迁移和监控提供了更稳定的基础。
- RKE2升级至v1.32.2+rke2r1:底层Kubernetes发行版的升级为整个平台带来了更好的安全性和性能表现。
存储功能增强
v1.5.0-rc2版本在存储方面有几个值得关注的改进:
-
第三方存储支持:现在可以更灵活地集成外部存储系统,包括LVM等存储方案,为用户提供了更多存储选择。
-
Longhorn v2数据引擎:引入了对boot volume和backing image的支持,同时实现了live migration功能,显著提升了存储的灵活性和可用性。
-
存储网络配置优化:改进了存储网络的设置流程,使网络配置更加直观和可靠。
虚拟化管理改进
在虚拟机管理方面,新版本带来了多项增强:
- PCI设备直通稳定性提升:解决了之前版本中PCI设备直通后可能出现的设备不可用问题。
- vGPU分配显示优化:现在能够更准确地显示分配给VM的vGPU数量。
- EFI支持增强:增加了对EFI持久状态的配置选项,为需要EFI启动的虚拟机提供了更好的支持。
安装与升级优化
安装和升级流程也得到了一系列改进:
- 多路径配置优化:在非外部磁盘启动场景下,改进了multipath的配置方式。
- 升级控制器增强:更好地处理了升级过程中的各种错误情况,包括镜像清理失败等问题。
- ISO安装改进:修复了之前版本中ISO安装可能失败的问题,提高了安装成功率。
网络功能完善
网络相关功能在这个版本中也有显著提升:
- 自定义CA证书支持:解决了在加入集群时使用自定义CA证书可能失败的问题。
- DHCP功能增强:改进了DHCP检查机制,特别是在使用静态IP地址的场景下表现更稳定。
- 存储网络支持:现在可以更灵活地配置存储网络,包括支持untagged VLAN。
用户体验改进
在用户界面和操作体验方面:
- 卷管理界面优化:解决了删除卷后界面显示不一致的问题。
- 备份管理增强:改进了备份目标的设置和兼容性检查。
- 资源配额计算修正:更准确地计算VM的资源配额,避免资源分配不足的情况。
技术预览说明
需要注意的是,v1.5.0-rc2仍是一个技术预览版本,不建议在生产环境中使用。该版本主要面向技术爱好者和早期采用者,用于测试新功能和提供反馈。官方明确表示不支持从该版本升级到后续版本,也不建议从其他版本升级到该版本。
对于ARM64架构,此版本仍处于技术预览阶段,用户在使用时可能会遇到一些限制或问题。AMD64架构的支持相对更加成熟稳定。
总结
Harvester v1.5.0-rc2版本在存储功能、虚拟化管理和集群稳定性方面都带来了显著改进。特别是对第三方存储的支持和Longhorn v2数据引擎的引入,为未来版本的功能扩展奠定了坚实基础。虽然目前仍是预览版本,但这些改进预示着Harvester在超融合基础设施领域的持续创新和发展方向。
对于技术爱好者而言,这个版本提供了体验最新HCI技术的机会;对于企业用户,则可以开始评估这些新功能对未来生产环境部署的潜在价值。随着后续正式版的发布,这些功能将更加成熟稳定,为用户提供更强大的超融合基础设施解决方案。
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-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