Harvester 是 SUSE Rancher 生态的重要组成部分,已于 2021 年 12 月正式 GA。Harvester 作为 100% 开源的新一代超融合基础设施(Hyper-Converged Infrastructure,HCI)解决方案,不仅能够提供集存储、计算和网络为一体的软件定义解决方案,还完美继承了K8s 平台的诸多强大特性,例如高冗余、高可用、自动恢复和弹性伸缩等。除此之外,Harvester 还与 Rancher Manager 进行了紧密的产品线整合,提供了包括多集群和多租户在内的管理功能,可以对部署在数据中心、分支机构以及边缘场景的 Harvester 集群进行统一纳管,从而实现虚拟机与容器的无缝切换管理。
Harvester v1.1.0 功能特性包括:
GPU和PCI设备直通
首先,GPU 和 PCI 设备直通(实验性)是今年最受欢迎的功能之一,现已正式上线。这使 Harvester 用户能够在需要利用物理主机上的 PCI 设备的 VM 中运行相关的应用程序。最值得注意的是,GPU 是一个不断增长的用例,用以支持对机器学习、人工智能和数据分析等不断增长的需求。此功能还可以支持各种其他需要 PCI 的用例;例如,启用 SR-IOV 的网卡并将虚拟功能公开为 PCI 设备,然后 Harvester 可以将其连接到 VM 中供用户使用。未来将继续扩展该功能,以支持更多高级形式的设备直通,例如 vGPU 技术。
虚拟机导入控制器
许多 Harvester 用户之前也在使用各种各样的 HCI 解决方案来承载不同工作负载的需求。对于其中一些用例,他们希望将这些虚拟机迁移到 Harvester 上来。为了简化这一过程, Harvester v1.1.0创建了 VM Import Controller,可以自动将 VM 从现有用户的 HCI 上迁移到 Harvester。目前它支持两种流行的平台:OpenStack 和 VMware vSphere。管理员可以通过 YAML 方式定义连接到这些系统中的任何一个,并通过创建 VirtualMachineImport 对象来逐步将这些虚拟机和虚拟的磁盘数据复制到 Harvester 的数据存储中,同时它会将其它平台的 VM 的元数据转换为 Harvester 中的可类比的配置,例如 VLAN 网络。
存储网络
Harvester 可以在不同配置的硬件上运行,一些集群的计算优化程度很高,而另一些则需要针对存储性能进行优化。对于那些需要高性能存储的工作负载,提高效率的一种方法是为 Harvester 的 Longhorn 存储复制提供专属的高速网络。出于这一考虑,Harvester v1.1.0 创建了存储网络功能。专用存储网络可以消除工作负载流量(Pod 到 Pod 通信、VM 到 VM 等)和存储流量之间的 I/O 争用。此外,用户也可以选择为存储网络选购更高 I/O 性能的网卡,例如 40 或 100 GB 的 Ethernet。
存储分层
在支持需要不同类型存储的工作负载时,能够允许用户在配置 VM 时选择不同的存储类别或分层非常重要。存储分层可以用简单的术语进行标记,例如 fast 或 archival,从而对用户更加友好。管理员可以将这些分层映射到裸机系统上的特定磁盘,Harvester 同时支持节点和磁盘标签的映射,因此用户可以在指定节点中选择指定磁盘的特有组合,并将虚拟机的应用运行在这些特定的存储分层上。例如,一些 Harvester 用户希望通过该功能将较慢的存储类别应用于不关心 IOPS 且首选低成本存储的应用程序。
不可变基础设施
从 Harvester v1.0.3 版本开始,已经将操作系统 Kernel 从 OpenSUSE Leap 15.3 切换到了 SLE Micro 5.2。SLE Micro 作为 SUSE 推出的一款针对边缘优化的操作系统,提供了更加精简、安全和高效的操作系统支持,也更符合 Harvester 作为不可变基础(Immutable)设施的理念。Harvester v1.1.0 做出了更多的优化和安全更新,例如增加了节点 Ksmtuned 等特性的支持,以保障用户的工作负载能够运行在更稳定、更安全的基础设施上。
2022 年是 Harvester 发展的重要篇章。未来,Harvester 在增加更多功能的同时也将保持易用性和稳定性。明年,Harvester 将发布两个功能版本,以便更快地按照产品路线图迭代。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。