适用场景：个人学习、云架构实操、多方案私有云对比实验

核心初衷：不重装系统、保留原有环境、多套云架构轮番实战学习

一、前言

很多新手学习云计算、虚拟化时，要么直接装成品 PVE 开箱即用，要么盲目部署复杂 OpenStack，没有一套循序渐进、可轮换、可对比、不折腾崩本机的实验规划。

我本人已有一台成品 PVE 物理机用于生产级虚拟机运行，因此这台 Ubuntu24.04.4 LTS 主力机 不做商用、不做稳定服务，专门用作云架构学习、多方案私有云搭建、虚拟化技术对比的实验工作台。

本文完整记录我的整机硬件配置、核心搭建思路、多套云实验方案、分工规划、取舍逻辑，适合个人玩家、运维新手参考复刻。

二、本机硬件与系统基础信息（真实实战环境）

系统版本：Ubuntu 24.04.4 LTS

显卡：AMD Radeon RX580 2048SP（amdgpu 驱动正常适配）

内存：16G 大内存（满足多套云组件、虚拟机、AI 推理运行）

磁盘规划：

  • 系统盘 sda：119G，已用12%，剩余空间充足，用于存放系统、实验环境、镜像文件

  • 数据盘 sdb：465G 闲置裸盘，可直通虚拟机、单独做虚拟机数据盘，不占用系统盘空间

核心硬件优势：16G内存 + RX580独显 + 双硬盘，同时满足 虚拟化实验 + 本地AI推理 双重需求。

三、核心搭建原则（个人专属实验理念）

这是整套方案的核心，所有搭建逻辑均围绕以下原则执行，完美适配个人学习场景：

1. 坚决不重装系统

保留原生 Ubuntu24.04 桌面环境，不换 PVE、不换服务器系统，不破坏现有工作环境，所有虚拟化、云组件全部嵌套部署，仅做实验使用。

2. 分时复用硬件，各司其职

RX580 显卡不支持单卡同时共享宿主机与虚拟机，因此采用分时切换逻辑：

  • AI 实验模式：关闭所有Windows游戏虚拟机，显卡归属宿主机，运行 llama.cpp 本地大模型推理

  • 游戏/Windows实验模式：关闭AI服务，启动直通显卡的Windows虚拟机，实现原生显卡性能打游戏、跑桌面程序

3. 多套云方案轮换部署，不共存冲突

不一次性部署所有云架构，采用 一套学完、卸载干净、环境重置、再部署下一套 的模式，严格模拟生产环境迭代流程，规避组件冲突、资源抢占问题，在稳定的基础上对比学习不同私有云的架构差异、适用场景与运维规范。

4. 两套虚拟化分工，精准适配不同场景

区分「服务器云虚拟机」和「游戏桌面虚拟机」，两套虚拟化工具共存、各司其职，不混用、不冲突。

四、双虚拟化架构分工规划（核心设计）

针对我的使用需求，将虚拟化拆分为两套独立体系，完美区分实验场景：

1. LXD + LXD-UI：主力小型私有云实验平台

定位：模拟阿里云轻量云、企业小型IaaS私有云，纯实验、跑服务、练架构

核心能力：

  • 网页可视化控制台，一键创建 Linux / Windows Server 虚拟机、容器

  • 支持虚拟机快照、克隆、网桥网络、端口转发，完全复刻公有云操作逻辑

  • 支持 sdb 465G 整块物理硬盘直通给云虚拟机做数据盘

  • 资源占用低、部署简单、稳定性强，适合长期做云平台实操实验

使用场景：搭建测试服务器、网络实验、快照克隆实操、私有云运维流程练习、多实例集群测试。

2. Libvirt + Virt-Manager：专属Windows游戏虚拟机

定位：仅用于Windows桌面娱乐、独显游戏，不做云实验

核心能力：

  • 支持VFIO硬件直通，可将RX580完整直通Windows虚拟机，拥有原生显卡性能

  • 独立于LXD云平台，专门负责桌面游戏、Windows专属软件测试

使用场景：休闲游戏、Windows桌面程序测试，与云实验场景完全隔离。

五、多套私有云实验方案学习规划（由浅入深）

按照「简单→复杂、轻量→企业级」的顺序，轮番部署学习，覆盖市面上主流私有云架构：

方案一：LXD 轻量私有云（入门首选）

最简单易上手的IaaS私有云，适合新手理解虚拟机、容器、网络、快照、存储池核心概念，作为日常主力实验平台。

方案二：Cockpit + KVM 原生虚拟化

系统原生KVM虚拟化，极简网页管理，理解Linux底层QEMU/KVM虚拟化原理，无封装、更贴近底层技术。

方案三：K3s + Rancher 容器私有云（PaaS云）

模拟阿里云ACK容器服务，学习K8s集群、容器编排、负载均衡，适配AI容器化部署，可调用宿主机RX580显卡做容器AI推理。

方案四：OpenStack DevStack 企业级IaaS云（进阶核心）

真正公有云底层架构，包含Nova计算、Neutron网络、Glance镜像、Keystone身份认证全套组件。

实操规范（生产级思路）：不在宿主机直接部署复杂组件，规避环境污染、系统不稳定问题。统一在LXD合规虚拟机内部部署DevStack，全程模拟企业隔离部署规范，实验出错可直接销毁实例、快速重置环境，既保证学习完整搭建流程，又保障宿主机基础环境长期稳定。

六、硬件资源最终分配方案 & AI推理专属规划

  • 系统盘 119G：存放系统、云组件、虚拟机镜像、AI大模型权重文件、实验环境，充足空间满足多版本模型存储。

  • 数据盘 465G：整块直通虚拟机，作为云虚拟机/游戏虚拟机专属数据盘，同时可划分独立目录，存放AI数据集、推理日志、模型缓存，不占用系统盘空间。

  • RX580 独显（核心AI算力）：采用分时复用机制，专属服务本地AI推理，不与虚拟机争抢硬件资源。AI模式下完整归属宿主机，解锁完整显卡算力，用于llama.cpp本地大模型推理、轻量化AI测试。

  • 16G大内存：支撑多虚拟机运行、K3s集群、OpenStack云实验，同时满足7B/13B轻量化大模型本地推理内存需求，兼顾虚拟化与AI算力场景。

七、本地AI推理整体搭建规划（核心新增场景）

本机搭载RX580 2048SP独显，是绝佳的个人本地AI推理实验设备，结合私有云实验场景，形成「云架构学习+本地AI部署」双向实验体系，全程基于Ubuntu24.04宿主机部署，不依赖虚拟机、不折腾系统。

1. AI推理核心运行原则

严格遵循硬件分时复用逻辑，和虚拟化场景完全隔离，规避资源冲突、显卡抢占问题：

  • AI推理模式：关闭所有Windows游戏虚拟机、闲置云虚拟机，RX580显卡完全归属宿主机，专属运行本地大模型推理，算力无损耗。

  • 云实验/游戏模式：停止所有AI推理服务，释放显卡、内存资源，将硬件资源全权交付虚拟化场景，用于搭建私有云、虚拟机游戏。

  • 场景互斥、互不干扰：不同时运行AI推理与显卡直通虚拟机，保证两类实验的稳定性和性能完整性。

2. AI实验适配方案

  • 核心部署方式：宿主机原生部署llama.cpp框架，适配AMD RX580显卡，实现轻量化大模型本地推理，无需虚拟机嵌套，算力利用率最高。

  • 云联动实验：可实现「云虚拟机调用本地AI服务」的联动场景，云平台搭建的Linux/Windows服务器虚拟机，通过内网HTTP接口，调用宿主机的AI推理服务，模拟企业「云端服务+本地AI算力」的架构。

  • 容器化AI拓展：后续可通过K3s容器云，部署AI推理容器，实现容器化算力调度，结合私有云架构，完成从虚拟机服务到容器AI服务的全流程学习。

3. AI+私有云整体实验价值

区别于单纯的云搭建、单纯的AI跑模型，这套组合方案可以模拟小型企业真实架构：私有云承载业务服务，本地GPU承载AI算力，服务与算力分离、内网联动，极大提升实战学习的真实性和完整性。

八、整套规划总结

1. 本机定位明确：已有PVE生产机承载稳定业务，本机以「生产级规范、企业运维标准」为核心，做标准化云架构搭建与实操学习，所有实验均遵循生产环境逻辑，拒绝野路子配置，兼顾实验灵活性与规范性。

2. 坚守不重装系统原则，基于原生Ubuntu24.04搭建，所有实验可回溯、可清理、不破坏基础环境。

3. 双虚拟化分工：LXD做云平台实验、Libvirt做Windows游戏虚拟机，场景隔离、互不冲突。

4. 多套云方案循序渐进学习，覆盖轻量云、原生虚拟化、容器云、企业级OpenStack全场景。

5. 硬件分时复用、环境隔离的设计，贴合企业生产资源调度逻辑，在保证系统长期稳定、配置标准化、环境可回溯的前提下，兼顾私有云架构实验、本地GPU AI推理、虚拟机合规娱乐场景，一机多用、规范实操，完全对标小型企业私有云+AI算力的落地流程。