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。
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 StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07