Longhorn v1.9.0-rc2 发布:存储引擎的重大升级与功能增强
Longhorn 是一个开源的云原生分布式块存储系统,专为 Kubernetes 设计。它提供了持久化存储解决方案,具有高可用性、数据保护和易于管理等特性。Longhorn 通过将存储控制器和复制引擎作为微服务运行,实现了轻量级和模块化的架构设计。
核心功能增强
数据引擎优化
本次发布的 v1.9.0-rc2 版本在数据引擎方面进行了多项重要改进:
-
CSI 数据备份直接创建 PVC:现在支持直接从 CSI 数据备份创建 PVC,无需复制数据,这一特性显著提高了 v2 数据引擎的效率。对于需要频繁从数据备份创建新卷的用户场景,这一改进将大幅减少操作时间和存储开销。
-
离线副本重建:v1 和 v2 卷现在都支持离线副本重建功能。当节点不可用时,系统能够自动在其他可用节点上重建副本,而无需等待原始节点恢复。这一特性增强了系统的容错能力和数据可靠性。
-
增量副本重建:引入了基于增量数据备份的副本重建机制,通过仅传输变更数据而非全量数据,显著减少了重建过程中的网络带宽消耗和完成时间。这对于大规模部署环境尤为重要。
-
UBLK 前端支持:v2 卷现在支持 UBLK (Userspace Block Device) 前端,为用户空间应用提供了更高效的块设备访问方式。这一改进特别适合需要高性能存储访问的云原生应用场景。
系统架构改进
CRD 迁移与 API 优化
-
v1beta1 到 v1beta2 的 CRD 迁移:完成了从 v1beta1 到 v1beta2 自定义资源定义(CRD)的迁移工作,为未来的功能扩展和 API 稳定性奠定了基础。这一变更虽然对终端用户透明,但对系统长期维护和扩展能力至关重要。
-
存储网络支持:v2 数据引擎现在支持存储网络配置,允许用户为存储流量指定专用网络接口。这一特性在需要分离控制平面和数据平面流量的生产环境中特别有价值。
-
定期系统备份:新增了定期系统备份功能,可以自动备份 Longhorn 的系统配置和元数据。这一功能为系统管理员提供了额外的安全保障,确保在系统故障时能够快速恢复配置。
运维与管理增强
监控与可观测性
-
Prometheus 指标扩展:新增了副本和引擎 CR 的 Prometheus 指标,以及引擎重建状态的监控指标。这些指标为系统管理员提供了更细粒度的性能监控和故障诊断能力。
-
运行副本数量显示:在卷表中新增了运行副本数量字段,使管理员能够一目了然地了解每个卷的当前副本状态。
-
异常实例管理:UI 现在支持管理异常实例 CR,帮助识别和清理因异常情况遗留的资源,保持系统整洁。
备份与数据管理优化
-
数据备份自动清理:新增选项允许在从数据备份创建备份后自动清理该数据备份,简化了备份工作流程并减少存储占用。
-
数据备份大小显示:在备份过程中显示数据备份大小,为用户提供更直观的操作反馈。
-
文件系统同步优化:v2 卷在创建数据备份时不再需要同步所有文件系统,减少了数据备份操作的开销。
稳定性与性能改进
错误修复与健壮性增强
-
v2 卷稳定性:修复了多个导致 v2 卷陷入分离/附加循环的问题,提高了系统在异常情况下的恢复能力。
-
实例管理器改进:解决了实例管理器在终止状态下卡住的问题,确保资源能够被正确释放。
-
数据一致性:修复了 v2 卷在使用后备镜像时可能导致的数据一致性问题,确保重建后的副本数据正确无误。
-
SPDK 性能优化:改进了 SPDK 的校验和计算机制,减少了高优先级任务被阻塞的情况。
用户体验提升
-
UI 改进:优化了卷创建界面,根据选择的引擎版本(v1/v2)自动过滤可用的后备镜像;改进了重要区域设置的警告信息显示。
-
设置验证:增强了设置变更的验证逻辑,使用卷状态而非实例状态来判断"所有卷是否已分离",提高了配置变更的安全性。
-
磁盘管理:改进了块类型磁盘移除失败时的警告信息,帮助管理员更准确地诊断问题。
总结
Longhorn v1.9.0-rc2 版本在数据引擎、系统架构和运维管理等多个方面带来了显著改进。新引入的增量副本重建、离线副本重建和 CSI 数据备份直接创建 PVC 等功能,大幅提升了系统的效率和可靠性。同时,通过解决一系列稳定性问题和优化用户体验,使 Longhorn 更加适合生产环境部署。
对于现有用户,建议在测试环境中充分验证新版本的功能和兼容性,特别是关注 v2 数据引擎的改进和 CRD 迁移带来的潜在影响。新用户可以借此机会评估 Longhorn 在分布式存储场景下的能力,特别是其与 Kubernetes 深度集成的优势。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









