Kubernetes(k8s)的基础概念

最新推荐文章于 2024-11-22 21:37:20 发布

sukapulai

最新推荐文章于 2024-11-22 21:37:20 发布

阅读量1.8k

点赞数 1

文章标签：大数据

本文链接：https://blog.youkuaiyun.com/sukapulai/article/details/125706698

版权

Kubernetes是一个开源平台，用于管理容器化工作负载和服务，提供自动化部署、扩展和管理。它解决了传统运维的人力介入问题，实现了弹性伸缩、自我修复、服务发现等功能。K8S由Master（包括apiserver、controller-manager、scheduler和etcd）和Node（包括kubelet、kube-proxy和容器引擎）组件构成，核心概念包括Pod、Service、Label、Deployment等，实现集群的自动化管理和资源优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Kube-controller-manager

Label 选择器（Label selector）

Kubernetes概述

什么是Kubernetes？

Kubernetes 是一个可移植、可扩展的开源平台，用于管理容器化的工作负载和服务，可促进声明式配置和自动化。 Kubernetes 拥有一个庞大且快速增长的生态，其服务、支持和工具的使用范围相当广泛。

Kubernetes 这个名字源于希腊语，意为“舵手”或“飞行员”。k8s 这个缩写是因为 k 和 s 之间有八个字符的关系。 Google 在 2014 年开源了 Kubernetes 项目。 Kubernetes 建立在Google 大规模运行生产工作负载十几年经验的基础上，结合了社区中最优秀的想法和实践。

参考文献官网： Kubernetes 文档 | Kubernetes

为什么需要K8S？

试想下传统的后端部署办法：把程序包（包括可执行二进制文件、配置文件等）放到服务器上，接着运行启动脚本把程序跑起来，同时启动守护脚本定期检查程序运行状态、必要的话重新拉起程序。

设想一下，如果服务的请求量上来，已部署的服务响应不过来怎么办？传统的做法往往是，如果请求量、内存、CPU超过阀值做了告警，运维人员马上再加几台服务器，部署好服务之后，接入负载均衡来分担已有服务的压力。这样问题就出现了：从监控告警到部署服务，中间需要人力介入！那么，有没有办法自动完成服务的部署、更新、卸载和扩容、缩容呢？而这就是K8S要做的事情：自动化运维管理容器化（Docker）程序。

K8S是Google开源的容器集群管理系统，在Docker等容器技术的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性。其主要功能如下：

使用Docker 等容器技术对应用程序包装（package）、实例化（instantiate）、运行（run）。
以集群的方式运行、管理跨机器的容器。以集群的方式运行、管理跨机器的容器。
解决Docker 跨机器容器之间的通讯问题。解决Docker 跨机器容器之间的通讯问题。
K8S的自我修复机制使得容器集群总是运行在用户期望的状态。、

K8S的特性

弹性伸缩：使用命令、UI或者基于CPU使用情况自动快速扩容和缩容应用程序实例，保证应用业务高峰并发时的高可用性；业务低峰时回收资源，以最小成本运行服务。
自我修复：在节点故障时重新启动失败的容器，替换和重新部署，保证预期的副本数量；杀死健康检查失败的容器，并且在未准备好之前不会处理客户端请求，确保线上服务不中断。
服务发现和负载均衡：K8S为多个容器提供一个统一访问入口（内部IP地址和一个DNS名称），并且负载均衡关联的所有容器，使得用户无需考虑容器IP问题。
自动发布（默认滚动发布模式）和回滚：K8S采用滚动策略更新应用，一个更新一个Pod，而不是同时删除所有的Pod，如果更新过程中出现问题，将回滚更改，确保升级不收影响业务。
集中化配置管理和密钥管理：管理机密数据和应用程序配置，而不需要把敏感数据暴露在镜像里，提高敏感数据安全性，并可以将一些常用的配置存储在K8S中，方便应用程序使用。
存储编排：支持外挂存储并对外挂存储资源进行编排，挂载外部存储系统，无论是来自本地存储，公有云（如：AWS），还是网络村存储（如：NFS、Glusterfs、Ceph）都作为集群资源的一部分使用，极大提高存储使用灵活性。
任务批量处理运行：提供一次性任务，定时任务，满足批量数据处理和分析的场景。

Kubernetes 集群架构与组件

K8S 是属于主从设备模型（Master-Slave架构），即有Master节点复制集群的调度、管理和运维，Slave节点是集群的运算工作负载节点。在K8S中，主节点一般被称为 Master 节点，而从节点则被称为 Worker Node 节点，每个 Node 都会被 Master 分配一些工作负载。

Master组件可以在群集中的任何计算机上运行，但是建议Master节点占据一个独立的服务器，因为Master是整个集群的大脑，如果Master所在的节点宕机或者不可用，那么所有的控制命令都将会失效。除了Master，在K8S集群中的其他机器被称为Worker Node 节点，当某个 Node宕机时，其上的工作负载会被Master自动转移到其他节点上去。