Harvester v1.4.3-rc4 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。作为基于 Kubernetes 构建的现代 HCI 系统,Harvester 专为云原生环境设计,提供了虚拟化管理、分布式存储和网络功能等核心能力。
本次发布的 v1.4.3-rc4 是 Harvester 1.4 系列的第四个候选发布版本,属于预发布阶段。作为技术预览版,它主要包含了一系列错误修复和组件更新,为即将到来的稳定版本做准备。
核心组件升级
本次发布对多个核心组件进行了版本升级,这些升级带来了性能改进和安全增强:
- Longhorn 升级至 v1.7.3 版本,这是目前 Longhorn 分布式存储系统的最新稳定版,提供了更可靠的块存储管理和数据保护能力
- KubeVirt 更新到 v1.3.1,增强了虚拟化管理功能,包括虚拟机迁移和资源调度方面的改进
- RKE2 升级至 v1.31.7+rke2r1 版本,这是 Rancher 的 Kubernetes 发行版,提供了更稳定的容器编排能力
- 嵌入式 Rancher 保持在 v2.10.1 版本,继续提供集群管理功能
重要修复与改进
虚拟化管理增强
本次发布解决了多个与虚拟机管理相关的问题。修复了虚拟机 SSH 密钥分配不保存的问题,改进了虚拟机迁移操作的可用性检查逻辑,确保迁移选项不会出现在不支持迁移的虚拟机状态上。同时修复了 vGPU 分配显示不正确的问题,使资源监控更加准确。
存储系统优化
在存储方面,修复了自动磁盘路径配置(auto-disk-provision-paths)在某些情况下不工作的问题,增强了存储设备的发现和管理能力。同时解决了 USB 设备虚拟机迁移选项显示不正确的问题,确保操作界面的准确性。
网络功能改进
网络方面的重要修复包括 IP 池配置界面的显示问题,现在配置界面与 YAML 内容保持一致。还解决了负载均衡器 IP 分配可能永久卡住的问题,提高了网络资源管理的可靠性。
用户界面修复
UI 方面进行了多项改进,包括修复了虚拟机强制重置策略设置无法保存的问题,解决了在特定情况下界面显示错误的问题,如设备 ID 重复显示等。还改进了升级过程中的进度显示,使用户能够更清晰地了解系统状态。
系统稳定性提升
本次发布包含多项提升系统稳定性的改进:
- 修复了节点管理器 NTP 同步状态更新不正确的问题,确保时间同步更加可靠
- 优化了 CNI 网络插件缓存清理机制,解决了在某些情况下清理不彻底的问题
- 改进了升级控制器的消息处理逻辑,确保升级状态信息更加准确
- 解决了高负载情况下 harvester 进程 CPU 使用率过高的问题
安装与部署改进
安装程序方面修复了处理错误内核命令行参数时崩溃的问题,提高了安装过程的健壮性。同时提供了完整的 ISO 和网络安装 ISO 两种部署方式,满足不同场景的需求。
技术预览说明
需要注意的是,v1.4.3-rc4 是一个预发布版本,不建议在生产环境中使用。从任何版本升级到这个版本都不被支持,也不保证能够从这个版本升级到后续版本。
对于 ARM64 架构的支持仍处于技术预览阶段,用户可以在测试环境中进行评估,但不应在生产环境中依赖这些功能。
总结
Harvester v1.4.3-rc4 作为 1.4 系列的一个重要更新,通过多项修复和改进提升了系统的稳定性和可用性。特别是对虚拟化管理、存储系统和网络功能的优化,将为用户带来更流畅的使用体验。开发团队建议用户在测试环境中评估这个版本,为即将到来的稳定版本做好准备。
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 StartedRust088- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00