基于PXE的网络自动安装系统

简介:

一、安装方式

1、手动安装

安装程序执行过程中,会询问你一些问题,安装程序再依照你回答的内容,来设置安装后的操作系统 逐一回答这些问题进行安装的安装方法称为“手动安装(Manual Installation)”

2、自动安装

事先将安装程序所需的答案编写一个文件中,然后在启动安装程序前,告知安装程序这个文件。Red Hat enterprise linux 的安装程序便会依照这个文件,决定每一个问题的答案,整个过程不需要回答任何问题,这种安装方式称为“自动安装”

3、本地安装

在利用启动介质启动计算机后,执行安装程序将光盘或硬盘中的来源文件安装到硬盘中,此种安装方式称为“本地安装(local installation)”

4、网络安装(本次将说明此方法安装)

来源文件存储于网络中的HTTP、FTP或NFS服务器中,通过启动介质安装程序将来源文件安装到目的主机上,这种方式称为“网络安装(PEX)”

二、安装步骤

DHCP配置部分

1)、挂载光盘镜像

wKioL1MavbuhlIzqAAFG5rCN1MQ947.jpg

2)、配置本地的yum源

wKioL1MavkfCBd6cAABIDQn-Q7U380.jpg

如有多个源并存,可将其它源禁用,只启用所配置的本地源      

3)、安装DHCP服务器所需要的包

wKioL1MavfbC7WUFAAAg35l1eL4772.jpg

例子文件存放于

wKioL1MawkPDMx3HAAE9H3fSKk0785.jpg

4)、在/etc/dhcp/下手写配置文件(dhcpd.conf)

wKiom1MaxKfSMd8jAAEM8CcKdII749.jpg

5)、配置完成后,启动DHCP服务

(注:DHCP服务的地址必须是静态的,否则客户端无法顺利获取地址)

wKioL1MaxXmC8d7IAABKfzNXF24140.jpg

查看开启端口(DHCP服务工作于udp 67号端口)

wKioL1Max6bBAkcdAAAzyDt8L2Y271.jpg

------------------------------------------DHCP到此配置完成------------------------------


安装Httpd服务

1)、安装httpd包

1
2
3
4
#yum install -y httpd
# mkdir /var/www/html/repolist
# mount --bind /mnt /var/www/html/repolist
# service httpd start

此处是作为基于局域网的yum源

wKioL1Ma2EjSV1ZaAAJJq-Bykt8544.jpg

2)、拷贝kickstart文件到/var/www/html/目录下(kickstart附件)

-------------------------------http服务到此完成-----------------------------------------


TFTP服务(简单网络传输协议)部分

1)、安装tftp服务相关的包(TFTP服务工作于udp 69号端口)

wKiom1MayOiAbfScAACMDrPkwX8871.jpg

超级守护进程:xinetd

功能:

为那些极少接收用户请求的服务,专门提供监听功能

瞬时(非独立)守护进程:

它们无须定义在运行级别下,只需要一次性地定义xinetd的运行级别

独立(standalone)守护进程:

能自我管理,无须xinetd提供监听服务的进程;

2)、添加服务

wKioL1May2TwCCxlAAHORKS5KVM581.jpg

3、准备tftpboot下的文件(默认的共享目录位于/var/lib/tftpboot下)

1
2
3
4
5
6
# yum -y install syslinux
# cp /mnt/images/pxeboot/{vmlinuz,initrd.img}  /var/lib/tftpboot/
# cp /mnt/isolinux/{boot.msg,vesamenu.c32,splash.jpg}  /var/lib/tftpboot/
# cp /usr/share/syslinux/pxelinux.0  /var/lib/tftpboot/
# mkdir /var/lib/tftpboot/pxelinux.cfg
# cp /mnt/isolinux/isolinux.cfg /var/lib/tftpboot/pxelinux.cfg/default

4)、编辑/var/lib/tftpboot/pxelinux.cfg/default文件,指向kickstart文件所指向的源

wKiom1Ma2TjyCST8AAHpuuLLbfQ365.jpg

---------------------------------到此tftp配置完成----------------------------------------


客户端测试(自动获取DHCP服务器地址池的地址--->引导内核--->开始安装)部分

1)、获取IP地址池的地址

wKioL1Ma2w-RlaSVAABj-SoHeQM889.jpg

2)、测试引导成功

wKiom1Ma2oDBZP-MAAD4guSP3bk286.jpg

3)、开始安装

wKioL1Ma3FGB66ZEAAEu7h7WnPc494.jpg

稍等几分钟,系统正在安装包........

wKioL1Ma39mArscTAAG6oFJnKcw146.jpg

(注:分区空间比较大,附件中的分区大小可根据实际情况自行调整!)

=======================到此基于PXE的布署完成===========================================










本文转自 jinlinger 51CTO博客,原文链接:http://blog.51cto.com/essun/1370731,如需转载请自行联系原作者
目录
相关文章
|
1月前
|
机器学习/深度学习 数据采集 人工智能
未来的守护神:AI驱动的网络安全之盾,如何用智慧的光芒驱散网络黑暗势力?揭秘高科技防御系统背后的惊天秘密!
【10月更文挑战第3天】随着网络技术的发展,网络安全问题日益严峻,传统防御手段已显不足。本文探讨了构建AI驱动的自适应网络安全防御系统的必要性及其关键环节:数据采集、行为分析、威胁识别、响应决策和执行。通过Python库(如scapy、scikit-learn和TensorFlow)的应用实例,展示了如何利用AI技术提升网络安全防护水平。这种系统能够实时监控、智能分析并自动化响应,显著提高防护效率与准确性,为数字世界提供更强大的安全保障。
57 2
|
2月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
89 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
10天前
|
监控 安全 测试技术
网络信息系统的整个生命周期
网络信息系统规划、设计、集成与实现、运行维护及废弃各阶段介绍。从企业需求出发,经过可行性研究和技术评估,详细设计系统架构,完成设备安装调试和系统集成测试,确保稳定运行,最终安全退役。
24 1
网络信息系统的整个生命周期
|
11天前
|
机器学习/深度学习 存储 运维
图神经网络在复杂系统中的应用
图神经网络(Graph Neural Networks, GNNs)是一类专门处理图结构数据的深度学习模型,近年来在复杂系统的研究和应用中展现了强大的潜力。复杂系统通常涉及多个相互关联的组件,其行为和特性难以通过传统方法进行建模和分析。
35 3
|
10天前
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
2月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
116 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
104 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
96 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
87 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
1月前
|
域名解析 缓存 网络协议
【网络】DNS,域名解析系统
【网络】DNS,域名解析系统
85 1
下一篇
无影云桌面