Harvester项目中VM创建时SSH密钥生成问题的分析与解决
问题背景
在Harvester虚拟化管理平台与Rancher集成的使用场景中,用户报告了一个关于虚拟机创建过程中SSH密钥生成功能的异常问题。具体表现为:当用户通过Rancher界面创建Harvester集群中的虚拟机时,在SSH密钥选择界面点击"创建新密钥"按钮后,系统未能正常弹出创建对话框,导致无法直接在虚拟机创建流程中生成新的SSH密钥。
问题现象分析
该问题出现在特定的版本组合环境下:
- Rancher v2.10.5
- Harvester v1.4.3-rc1
- Harvester UI Extension v1.0.6-rc1
在标准的Harvester嵌入式Rancher界面中,此功能工作正常,可以顺利创建新的SSH密钥。这表明问题很可能出在Harvester UI扩展与Rancher集成的特定环节。
技术原因探究
经过开发团队分析,问题根源在于UI扩展组件的模态对话框触发机制存在缺陷。当用户在Rancher环境下通过扩展界面操作时,创建SSH密钥的对话框事件未能正确绑定和触发。这属于前端组件间的通信问题。
此外,进一步测试发现,即使用户通过其他途径创建了SSH密钥,在后续虚拟机创建过程中也存在云初始化配置不完整的问题。具体表现为生成的cloud-init配置缺少必要的"#cloud-config"声明头,这会导致SSH密钥注入失败,最终造成虚拟机无法通过SSH连接。
解决方案
开发团队通过两个主要PR解决了这个问题:
-
修复了模态对话框无法弹出的前端问题,确保用户能够在虚拟机创建流程中正常打开SSH密钥创建界面。
-
修正了cloud-init配置生成逻辑,确保所有通过该流程创建的SSH密钥都能正确注入到虚拟机中。具体修复内容包括:
- 确保生成的配置包含标准的"#cloud-config"声明
- 完善SSH公钥的注入格式
- 验证配置在不同Linux发行版(如SLES、Ubuntu)上的兼容性
验证与确认
问题修复后,测试团队在以下环境中进行了验证:
- Rancher v2.10.5
- Harvester v1.4.3-rc2
- Harvester UI Extension v1.0.6-rc2
验证内容包括:
- 在虚拟机创建流程中成功打开SSH密钥创建对话框
- 创建新密钥并应用于虚拟机
- 验证虚拟机创建后能够通过新创建的SSH密钥正常连接
所有测试用例均通过,确认问题已解决。
最佳实践建议
对于使用Harvester与Rancher集成的用户,建议:
- 保持各组件版本同步更新
- 创建SSH密钥时,优先使用虚拟机创建流程中的集成功能
- 如遇连接问题,可检查虚拟机的cloud-init配置是否完整
- 定期验证基础镜像对cloud-init的支持情况
该问题的解决不仅修复了功能缺陷,也提升了Harvester与Rancher集成的用户体验,为混合云环境下的虚拟机管理提供了更可靠的基础设施支持。
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