Provisioning Services 7.8 入门系列教程之四 目标设备安装

简介:

续Provisioning Services 7.8 入门系列教程之三 安装并配置 Provisioning Services

对于目标设备,我们可以简单理解为一台用来构建硬盘映像的基础计算机,所构建的映像将存储在虚拟磁盘上。构建映像后,Provisioning Services 将通过流技术将从主目标设备创建的虚拟磁盘内容推送到其他目标设备。因此,在实际工作,我们会根据操作系统以及应用软件的使用情况,准备多台目标设备,然后通过映像操作构建多个虚拟磁盘,供用户使用。

准备好主目标设备以便进行映像

在本学习环境中,我分别准备了两台虚拟机Clt2012和Clt2008,一台安装Windows 2008 R2,一台安装Windows 2012 R2.

删除虚拟机的默认网卡,添加旧的网卡适配器(这是因为映像操作时,需要目标设置从PXe启动)

安装好操作系统,设置自动获取IP地址,将计算机加入到域,关闭防火墙。

安装目标设备软件

在下图中选择目标设备安装。由于安装过程很简单,需要设置的地方不多,所以安装过程略。

Clt040

使用映像向导创建新虚拟磁盘

可以从目标设备使用映像向导自动创建基础虚拟磁盘映像。

必备条件

● 在 Windows Server 操作系统上启用 Windows 自动装载功能。

● 禁用 Windows 自动播放功能。

● 确认在虚拟磁盘存储中有足够的可用空间,大约为源卷中所占用空间的 101%。

● 记下在目标设备上安装 Provisioning Services 软件时主目标设备绑定到的 NIC(有多个网卡时)。 在映像过程中需要使用此信息。

注: 如果完成映像过程之前系统显示请求重新引导 Windows 消息,请忽略此请求,直至成功完成映像过程。

运行映像向导:

输入Provisioning Services站点服务器名称或IP地址

Clt041

由于是首次运行映像向导,所以在此处选择“创建虚拟磁盘”。

如果在PVS管理控制台,建立了虚拟磁盘,可以选择重新创建现有虚拟磁盘。这样做的目的,是为了提高映像虚拟磁盘产生效率。

Clt042

如果选择创建现有虚拟磁盘,会出现如下图选择。

PVSManager009

在下图中输入目标设备名称(不能和计算机名相同);选择网络连接(对于有多个网卡,选择和PVS连接的网卡);

输入集合名称:对于客户机,PVS使用集合来进行集中管理。实际工作中,我们可能会根据不同计算机需要的操作系统、应用软件等因素,建立不同的集合。

如建立HR,人事部集合,这个集合的计算机都使用Windows 2012目标设备;建立AD,财务部集合,这个集合的计算机都使用Windows 2008和财务软件。

这样的好处,方便管理,如系统和应用软件的升级。

Clt043

输入虚拟磁盘名称,选择虚拟磁盘类型(动态)。

Clt044

 

Clt045

可以针对各个分区进行设置(是否执行映像操作,以及调整其大小)

Clt046

 

Clt047

也可以选择优化硬盘。

PVSManager010

 

PVSManager011

 

Clt048

关闭计算机,将启动顺序调整为从旧版网络适配器启动,完成映像操作。

Clt049

 

Clt050

 

Clt051

等待完成。

在等待过程中,我们可以在PVS服务器打开任务管理器,查看以内网的传输情况,发现发送和接收了大量数据

Clt052

同时,在PVS的E:\PVSVHD文件夹下,产生了如下文件。

Clt053

用相同的办法,完成另外一台目标设备的相关操作。





















本文转自ycrsjxy51CTO博客,原文链接:http://blog.51cto.com/ycrsjxy/1769894,如需转载请自行联系原作者


相关文章
|
8天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
298 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
307 155
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
844 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
239 113