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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00