csdn_tclz的博客

前言在第二篇和第三篇已经介绍了Ubuntu集群的搭建，并且部署好了节点之间的网络设置使各个节点能够正常通信，同时还给各节点安装了SSH服务，让我们能够通过xshell等工具方便地连接。docker及k8s安装具体的安装步骤可见笔者在阿里云ECS服务器上的搭建k8s这篇文章(当时k8s版本为1.23.0)。此次安装时k8s版本已更新到1.23.1，注意下配置文件中需要填写版本号的位置此次搭建过程遇到的几个问题：1、没有关闭交换分区swap以及防火墙导致集群启动失败，解决方法参考这篇。注意是maste

前言上一篇已经配置好了我们ubuntu16.04集群中各节点的网络设置。为了方便对各节点进行操作，本篇给集群中各个节点安装SSH服务，这样一来我们可以直接利用xshell之类的ssh客户端连接到节点，而不需要在虚拟机上操作（宿主机和虚拟机之间来回切换还是挺麻烦的）。安装ssh1、SSH分为客户端openssh-client和openssh-server，ubuntu应该是默认安装了openssh-client的。安装命令如下sudo apt-get install openssh-clientsu

背景在网络配置中，我们要配置虚拟机为固定的IP地址，避免使用DCHP动态分配IP（否则每次启动k8s集群各节点的IP都变化）。配置master节点网络在最终配置好多个节点的网络后，各个节点只有IP地址不同，其他配置均应相同。1、设置静态IP在需要克隆的机器上修改配置，方便后续操作。笔者这里以master虚拟机为例。首先对虚拟网络编辑，编辑->虚拟网络编辑器这一步需要授予管理员权限。简要说明一下，笔者这里子网地址设置成192.168.126.0子网掩码255.255.255.0

软件包及镜像准备1、在这里下载VMware workstation2、准备虚拟机需要使用的镜像iso，可以在阿里云镜像站选择自己需要的，笔者使用的是aliyun ubuntu安装过程1、vmware workstation安装过程不赘述，可以在网上找个激活码密钥。2、在vmware中安装ubuntu16.04，可参考这篇，笔者不再赘述。在这里贴一下自己最终配置的参数信息：2个2核的处理器，共4核（建议不少于2核）4G内存20G硬盘网络：NAT3、在ubuntu16.04上安装vmwar

准备工作按照这篇文章描述的流程搭建好k8s集群.部署nginxKubernetes 跟 Docker 等很多项目最大的不同，就在于它不推荐你使用命令行的方式直接运行容器（虽然 Kubernetes 项目也支持这种方式，比如：kubectl run），而是希望你用 YAML 文件的方式，即：把容器的定义、参数、配置，统统记录在一个 YAML 文件中，然后用这样一句指令把它运行.kubectl create -f 我的配置文件这里准备一个nginx-deployment.yaml文件,内容如下:

环境准备笔者是在阿里云租了三台ecs服务器，系统选用的ubuntu16.04(2核4G，建议CPU核数不少于2, 配置过低preflight checks阶段可能会报错). 使用几个虚拟机也可,有条件的可使用本地的几台物理机.部署master节点master节点上需要安装 docker cubeadm cubectl cubelet1.首先进行换源(不然下载很慢),更换阿里云的源.apt-get update && apt-get install -y apt-transport-

docker的设计理念是希望用户能够保证一个容器只运行一个进程，即只提供一种服务。然而对于用户而言，大多数时候单一容器是无法满足需求的；通常来说，需要利用多个容器，分别提供不同的服务，并在不同的容器间互连通信，以形成一个docker集群，来完成特定的功能需求。应用栈结构HAproxy是负载均衡代理节点；redis的非关系型数据库，这里由一个主数据库节点和两个从数据库节点组成；APP1和APP2是应用节点，本例中是使用python语言和Django架构设计的访问数据库的基础Web应用。获取应用栈中各节

搭建GPU开发环境需要nvidia-driver、cuda、cudnn等，同时需要anaconda、pytorch等常用软件和框架。需要注意的是安装这些工具时版本要匹配兼容。如果每次新添机器，传统的方式需要在每台机器上把这些工具包和库都安装一遍，极其费劲。利用容器技术docker可以帮我们方便地进行自动化部署。在执行下文的安装配置之前，请确认机器上已经安装nvidia-driver(可通过命令nvidia-smi查看)、Docker(版本不低于19.03)安装nvidia-docker由于普通的doc