Windows10下Hyper-V虚拟机安装kubernetes集群(二)配置虚拟机

content-pipeline:一条可落地的内容生产流水线 content-pipeline 是一种将内容创作工程化的系统性方法,其核心在于用确定性流程替代碎片化人工操作。它基于结构化提示(prompt)、预置叙事框架与品牌参数固化三大原理,实现从素材输入到多平台发布的端到端自动化。技术价值体现在显著降低认知负荷、保障输出一致性、支持本地化资源绑定与闭环反馈校验。典型应用场景包括技术教程批量生成、跨平台(公众号/小红书/即刻)内容适配、AI写作质量可控迭代等。本文深入解析其作为‘内容制造业’基础设施的底层设计逻辑与实操路径,尤其聚焦Claude Code环境下的真实 阅读详情

相关文章
Windows10下Hyper-V虚拟机安装kubernetes集群(一)创建虚拟机
Windows10下Hyper-V虚拟机安装kubernetes集群(二)配置虚拟机
Windows10下Hyper-V虚拟机安装kubernetes集群(三)复制虚拟机
Windows10下Hyper-V虚拟机安装kubernetes集群(四)启动k8s

一、设置虚拟机网络

  • 1、 修改hosts文件

    vi /etc/hosts
    
    # 将下边内容加到文件的最后边
    192.168.137.10 k8s-master
    192.168.137.20 k8s-node01
    192.168.137.30 k8s-node02
    
  • 2、 修改配置文件

    vi /etc/sysconfig/network-scripts/ifcfg-eth0
    

    将 BOOTPROTO=dhcp 改为 BOOTPROTO=static
    在文件末尾追加以下内容:

    IPADDR=192.168.137.10
    NETMASK=255.255.255.0
    GATEWAY=192.168.137.1
    DNS1=192.168.137.1
    

    修改前
    在这里插入图片描述
    修改后
    在这里插入图片描述
    修改完成后保存并重启网络服务

    systemctl restart network.service
    

    重启完成后可以ping一下测试网络。

    这时已经可以进行ssh连接,但是一般会出现ssh连接超时问题,此时需要修改配置文件 /etc/ssh/sshd_config:

    vi /etc/ssh/sshd_config
    

    将 #UseDNS yes 改为 UseDNS no ,即:将注释打开并将yes改为no。
    修改完之后重启服务:

    sudo service sshd restart
    
    • 如果sshd_config改完还是不可以,将ssh_config也同样改一下。

二、设置基本配置项

  • 1、 关闭防火墙
    systemctl stop firewalld && systemctl disable firewalld && iptables -F
    
  • 2、 关闭selinux
    sed -i 's/enforcing/disabled/' /etc/selinux/config && setenforce 0
    
  • 3、 关闭swap分区
    sed -ri 's/.*swap.*/#&/' /etc/fstab
    
  • 4、 修改yum源
    • 4.1 备份本地的源文件
    mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo_bak
    
    • 4.2 下载阿里云配置文件并重命名
    wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
    

    对于下载慢的或者干脆下不了的,可以直接复制以下内容,自己在对应路径下新建文件并粘贴即可:

# CentOS-Base.repo
#
# The mirror system uses the connecting IP address of the client and the
# update status of each mirror to pick mirrors that are updated to and
# geographically close to the client.  You should use this for CentOS updates
# unless you are manually picking other mirrors.
#
# If the mirrorlist= does not work for you, as a fall back you can try the
# remarked out baseurl= line instead.
#
#

[base]
name=CentOS-$releasever - Base - mirrors.aliyun.com
failovermethod=priority
baseurl=http://mirrors.aliyun.com/centos/$releasever/os/$basearch/
        http://mirrors.aliyuncs.com/centos/$releasever/os/$basearch/
        http://mirrors.cloud.aliyuncs.com/centos/$releasever/os/$basearch/
gpgcheck=1
gpgkey=http://mirrors.aliyun.com/centos/RPM-GPG-KEY-CentOS-7

#released updates
[updates]
name=CentOS-$releasever - Updates - mirrors.aliyun.com
failovermethod=priority
baseurl=http://mirrors.aliyun.com/centos/$releasever/updates/$basearch/
        http://mirrors.aliyuncs.com/centos/$releasever/updates/$basearch/
        http://mirrors.cloud.aliyuncs.com/centos/$releasever/updates/$basearch/
gpgcheck=1
gpgkey=http://mirrors.aliyun.com/centos/RPM-GPG-KEY-CentOS-7

#additional packages that may be useful
[extras]
name=CentOS-$releasever - Extras - mirrors.aliyun.com
failovermethod=priority
baseurl=http://mirrors.aliyun.com/centos/$releasever/extras/$basearch/
        http://mirrors.aliyuncs.com/centos/$releasever/extras/$basearch/
        http://mirrors.cloud.aliyuncs.com/centos/$releasever/extras/$basearch/
gpgcheck=1
gpgkey=http://mirrors.aliyun.com/centos/RPM-GPG-KEY-CentOS-7

#additional packages that extend functionality of existing packages
[centosplus]
name=CentOS-$releasever - Plus - mirrors.aliyun.com
failovermethod=priority
baseurl=http://mirrors.aliyun.com/centos/$releasever/centosplus/$basearch/
        http://mirrors.aliyuncs.com/centos/$releasever/centosplus/$basearch/
        http://mirrors.cloud.aliyuncs.com/centos/$releasever/centosplus/$basearch/
gpgcheck=1
enabled=0
gpgkey=http://mirrors.aliyun.com/centos/RPM-GPG-KEY-CentOS-7

#contrib - packages by Centos Users
[contrib]
name=CentOS-$releasever - Contrib - mirrors.aliyun.com
failovermethod=priority
baseurl=http://mirrors.aliyun.com/centos/$releasever/contrib/$basearch/
        http://mirrors.aliyuncs.com/centos/$releasever/contrib/$basearch/
        http://mirrors.cloud.aliyuncs.com/centos/$releasever/contrib/$basearch/
gpgcheck=1
enabled=0
gpgkey=http://mirrors.aliyun.com/centos/RPM-GPG-KEY-CentOS-7

三、安装docker

  • 1、安装依赖
    sudo yum install -y yum-utils device-mapper-persistent-data lvm2
    
  • 2、添加docker仓库
    sudo yum-config-manager --add-repo  https://download.docker.com/linux/centos/docker-ce.repo
    
  • 3、 安装docker
     sudo yum update -y && sudo yum install -y containerd.io-1.2.13 docker-ce-19.03.11 docker-ce-cli-19.03.11
    
  • 4、创建docker配置目录
    sudo mkdir /etc/docker
    
  • 5、 把docker的cgroup driver改为systemd
    cat >> /etc/docker/daemon.json <<EOF
     { "exec-opts": ["native.cgroupdriver=systemd"], "log-driver": "json-file", "log-opts": { "max-size": "100m" }, "storage-driver": "overlay2", "storage-opts": [ "overlay2.override_kernel_check=true" ] }
    EOF
    
    sudo mkdir -p /etc/systemd/system/docker.service.d
    
  • 6、 重启docker
    sudo systemctl daemon-reload
    sudo systemctl restart docker
    
  • 7、 设置开机启动
    sudo systemctl enable docker
    

三、安装k8s

所有节点都需要安装kubelet和kubeadm,master节点必须安装kubectl,woker节点kubectl可装可不装

  • 1、设置k8s源
    cat <<EOF > /etc/yum.repos.d/kubernetes.repo 
    [kubernetes] 
    name=Kubernetes 
    baseurl=https://mirrors.aliyun.com/kubernetes/yum/repos/kubernetes-el7-x86_64/ 
    enabled=1 
    gpgcheck=1 
    repo_gpgcheck=1 
    gpgkey=https://mirrors.aliyun.com/kubernetes/yum/doc/yum-key.gpg https://mirrors.aliyun.com/kubernetes/yum/doc/rpm-package-key.gpg
    EOF
    
  • 2、安装kubelet、kubeadm、kubectl

    教程使用的是指定版本安装 1.20.14

    # 指定版本号安装
     yum install -y kubelet-1.20.14 kubectl-1.20.14 kubeadm-1.20.14
    
    或
    # 最新版安装
    sudo yum install -y kubelet kubeadm kubectl --disableexcludes=kubernetes
    
  • 3、设置开机启动
    sudo systemctl enable --now kubelet
    
  • 4、查看本次安装结果
    yum list installed |grep kube
    
    在这里插入图片描述

至此,前期安装的准备工作基本完成

YOLOv13改进策略【Neck】| CVPR2024 LGAG:大核分组注意力门模块,3×3分组卷积与注意力协同的特征精准融合 本文记录的是利用LGAG 模块改进 YOLOv13 的颈部融合部分。(Large-kernel Grouped Attention Gate)通过3×3分组卷积与注意力机制结合,引导解码器处理特征与跳接特征的精准融合。本文利用模块,通过3×3分组卷积扩大感受野以捕捉更广泛局部空间上下文,同时结合注意力机制生成自适应注意力系数,对YOLOv13中关键目标特征赋予高激活值、抑制冗余背景特征,在特征融合阶段实现全局语义与局部细节的高效结合,减少计算成本的同时提升特征表达能力,增强模型对复杂场景下目标的检测精度与效 阅读详情

相关推荐

ANSYS Workbench接触分析实战:从算法选择到收敛难题破解

本文深入解析ANSYS Workbench接触分析的核心技术与实战技巧,涵盖四大接触算法选择、收敛难题破解秘籍及典型场景参数设置。通过实际案例演示如何优化接触刚度、pinball区域和非对称行为等关键参数,帮助工程师有效解决结构非线性问题,提升仿真效率和精度。

weixin_28705087的博客 359

CentOS 8 安装 Docker

CentOS 8 安装 Docker

mvx01的博客 615

20240128 C#与SCPI协议实战:轻量级仪器控制库ScpiNet应用指南

本文详细介绍了轻量级C#库ScpiNet在仪器控制中的应用。相较于传统的NI-VISA,ScpiNet无需安装庞大运行时,通过纯C#实现直接与USB或以太网设备通信,支持跨厂商SCPI仪器。文章提供了从快速连接到实战封装、错误处理的完整指南,帮助开发者构建简洁高效的自动化测试系统。

h9j8k7l6m5n的博客 547

hyper-v ubuntu 3节点 k8s集群搭建

hyper-v ubuntu 3节点 k8s集群搭建

Go的全部 1508

深入解析UDS 0x19服务:DTC状态掩码与故障诊断实战

本文深入解析了UDS诊断协议中的核心0x19服务(ReadDTCInformation),重点拆解了DTC状态掩码(DTCStatusMask)的八个状态位及其在故障生命周期中的联动逻辑。通过实战案例,详细说明了从故障发生、确认到清除的全过程,并介绍了如何利用该服务进行深度诊断,包括读取扩展数据(如冻结帧)和避免常见开发误区,是理解汽车ECU故障管理机制的关键。

weixin_29248313的博客 323

深度解析NXP AMCLIB状态观测器:PMSM无感FOC控制实战指南

状态观测器是现代电机控制中的核心算法,它基于电机数学模型,通过测量定子电压和电流,实时估算出转子的位置和速度,从而替代了传统的物理传感器。其原理遵循“预测-校正”的闭环结构,通过比较模型预测值与实际采样值的误差,不断修正内部状态估计。这项技术的核心价值在于实现了无传感器控制,显著降低了系统成本、提升了可靠性与紧凑性,广泛应用于伺服驱动、变频器、电动汽车和家电等领域。本文聚焦于NXP AMCLIB库中的角度跟踪观测器和反电动势观测器,深入剖析其设计思路、固定点运算实现以及参数整定方法,为工程师在永磁同步电机无

cumi7754的博客 2830

Hyper-v搭建K8s v1.18.6 单主集群环境(包括dashboard)

通过Hyper-v搭建K8s v1.18.6单主集群环境(包括dashboard) 全网最新kubernetes v 1.18.6集群安装,3个节点集群配置,dashboard可视化管理k8s.

风口向上的博客 1466

汇川H5U PLC通过EtherCAT总线控制SV660N和X3E伺服

首先我们看下系统硬件和软件配置:汇川H5U PLC的编程软件是:AutoShop V4.6.3.0 硬件:PLC H5U-1614MTD-A16,汇川伺服型号:SV660NS1R6I 电机型号:MS1H1-10B30CB 100W 220V 3000R/M 0.32N*M 1.3A,禾川伺服驱动器型号:SV-X3EB075A-A2 伺服电机型号:SV-X2MH075A-N2LA。

RXXW_Dor的博客 2万+

win11 hyper-v 搭建集群虚拟机(用于k8s)

本文介绍了在Windows 11系统下使用Hyper-V管理器配置3台Ubuntu 22.04虚拟机的完整过程。主要内容包括:1)开启Hyper-V虚拟化功能;2)通过Hyper-V快速创建虚拟机,安装Ubuntu 22.04桌面版;3)在虚拟机中安装必要工具包(net-tools、openssh-server);4)配置双网卡方案,创建内部虚拟交换机"static"用于集群内部通信,同时保留默认网卡用于外网连接;5)为虚拟机配置固定IP地址(192.168.66.xxx/24),确保集

鲨鱼儿的博客 1507

[3.4]【机器人运动学MATLAB实战分析】PUMA560机器人逆运动学MATLAB计算

PUMA560是六自由度关节型机器人,其6个关节都是转动副,属于6R型操作臂。各连杆坐标系如图1,连杆参数如表1所示。本文对PUMA560机器人逆运动学进行分析并MATLAB计算

m0_72676510的博客 1947

传导案例:某医疗仪器传导骚扰整改案例

紫外线光疗仪是一种专业的医疗设备,主要用于治疗银屑病、白癜风等皮肤疾病。该设备采用物理治疗技术,通过特定波长的紫外线照射人体来达到治疗效果。自1984年窄谱中波紫外线(NB-UVB)应用于临床以来,该技术已成为治疗早期蕈样肉芽肿(MF)的有效方法之一。作为二类医疗器械,紫外线光疗仪必须符合严格的电磁兼容性(EMC)标准,这不仅关系到设备自身的稳定运行,更关乎患者的使用安全和治疗效果。紫外线光疗仪传导骚扰整改案例充分展示了系统性EMC设计的重要性。

m0_56451176的博客 340

Windows配置虚拟域名,修改hosts文件

Windows配置虚拟域名,修改hosts文件

记录一些平时遇到的一些好的文章的转载、bug及解决方案 6546

RTA_OS基础功能讲解 2.6-资源锁和自旋锁

访问需要在任务和 ISR 之间共享的硬件或数据可能不可靠、不安全。这是因为当优先级较低的任务或 ISR 正在更新共享数据时,可能会发生任务或 ISR 抢占。这种情况被称为竞争条件,极难测试。访问共享数据的语句序列称为关键部分。要安全访问关键部分中引用的代码和数据,就需要执行互斥。换句话说,必须确保系统中没有其他任务或第 2 类 ISR 能够在关键部分期间抢占正在执行的任务。你可以将任务声明为非抢占式任务,这样就可以避免互斥问题。

本博客专注于嵌入式软件领域技术分享。 291

Windows10下Hyper-V虚拟机安装kubernetes集群(一)创建虚拟机

Hyper-v虚拟机安装kubernetes集群系列教程

学而时习之 2401

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

Windows10下Hyper-V虚拟机安装kubernetes集群(四)启动k8s

windows10系统下hyperv虚拟机创建kubernetes集群

学而时习之 1690

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

记第一次使用Win10的Hyper-V创建多台虚拟机并快速简单地搭建k8s集群-2主3从

说明:为什么写这篇博客? 不想再安装桌面虚拟化软件,没钱在云上买5台服务器,想在家学习k8s知识,好好利用Win10强大地hyper-v功能。本人在此次进行此次活动前,已掌握Docker,docker-compose,理解虚拟机,ansible,k8s的基本部署步骤(etcd,flannel,k8s),在公司由同事指导下已经进行过一次使用kubeasz进行k8s的部署。本人电脑内存为12G,一块固...

IMPlove的博客 7360

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Windows10下Hyper-V虚拟机安装kubernetes集群(三)复制虚拟机

windows10系统下hyperv虚拟机搭建kubernetes单master节点集群

学而时习之 1474

Hyper-V虚拟机部署k8s集群

Hyper-V虚拟机部署k8s集群

mvx01的博客 1072

K8S入门-01-搭建centos虚拟机(Hyper-V)

K8S入门-01-搭建centos虚拟机(Hyper-V)

敦格 2995

windows 10 安装K8S 和 docker

上周领导叫熟悉一下kubernetes和docker 。 看完介绍不装一遍,真心难受。 然后开始爬文 https://www.jianshu.com/p/f1f94c6968f5 介绍Docker和K8S的 https://blog.youkuaiyun.com/qq_34924407/article/details/82630205这个介绍也更详细,先跳过。 开始进入安装阶段: ...

caikeyter 5833

在Windows10通过minikube部署k8s集群

在Windows10上使用默认hyper-v虚拟化,通过minikube安装K8S集群。

william_1871的博客 1422

kubernetes-8-minikube安装本地windows单节点k8s集群

注意必须虚拟机VMWare Workstation 注意网络必须选用NAT模式 因为VirtualBox不支持在虚拟机里开启另一个嵌套的虚拟机。 This computer doesn’t have VT-X/AMD-v enabled. Enabling it in the BIOS is mandatory. 1 安装docker 2 安装minikube (1)下载https://storage.googleapis.com/minikube/releases/v0.23.0/minikube-lin

qq_20466211的博客 1290

windows 10 系统 minikube 安装k8s(Kubernetes)安装环境以及问题解答

windows 10 系统 minikube 安装k8s(Kubernetes)安装环境以及问题解答

Sansipi的博客 5470

windows节点加入一个Linux集群组成的kubernetes集群

我有一个kubernetes集群,其中有一个master节点跟两个node节点,这三个节点都是Ubuntu系统的,也就是Linux系统,但是我现在希望将一台Windows的机器加入到这个集群里面来统一管理,应该如何实现呢?

weixin_43880061的博客 1444

window 10 中 k8s安装与解析,以及helloword部署

Windows10 pro安装 k8s 环境检查: 环境检查,确保自己的电脑版本是 Windows10 pro,避免出现bug。 如果你是 Windows10 家庭版,请升级到对应版本。 https://blog.youkuaiyun.com/hce1478506318/article/details/80863274 2.安装k8s 下载安装包并安装: https://minikube.s...

ZPJeck的博客 1557

win10 安装k8s

一,win10 环境准备 先准备 minikube 安装包 和 kubectl 执行文件 使用 阿里修改版的 minikube 可以避免 在安装过程中 自动转向 google 平台下载 翻墙下载也实在不便 1,Minikube安装 直接用阿里修改的http://kubernetes.oss-cn-hangzhou.aliyuncs.com/minikube/releases/v0.28.0...

成の博客 1万+
上一篇: Windows10下Hyper-V虚拟机安装kubernetes集群(一)创建虚拟机
下一篇: Windows10下Hyper-V虚拟机安装kubernetes集群(三)复制虚拟机
雕花の刺猬
博客等级 码龄10年 45粉丝 28原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值