K8s概念汇总-笔记

Rsingstarzengjx2023-10-28 17:10

目录

1.Master

1.1在Master上运⾏着以下关键进程

2.什么是Node?

1.2在每个Node上都运⾏着以下关键进程

[3.什么是 Pod ?](#3.什么是 Pod ?)

[4. 什么是Label ？](#4. 什么是Label ？)

[5.Replication Controller](#5.Replication Controller)

6.Deployment

6.1Deployment的典型场景：

[7.Horizontal Pod Autoscaler TODO](#7.Horizontal Pod Autoscaler TODO)

[HPA与之前的RC、Deployment⼀样，也属于⼀种Kubernetes资源对象。通过追踪分析指定RC控制的所有⽬标Pod的负载变化情况，来确定是否需要有针对性地调整⽬标Pod的副本数量，这是HPA的实现原理。 当前，HPA有以下两种⽅式作为Pod负载的度量指标。](#HPA与之前的RC、Deployment⼀样，也属于⼀种Kubernetes资源对象。通过追踪分析指定RC控制的所有⽬标Pod的负载变化情况，来确定是否需要有针对性地调整⽬标Pod的副本数量，这是HPA的实现原理。 当前，HPA有以下两种⽅式作为Pod负载的度量指标。)

CPUUtilizationPercentage

8.StatefulSet

StatefulSet特性

9.Service

[9.1 外部系统访问Service的问题](#9.1 外部系统访问Service的问题)

10.Job

11.Volume存储卷

[12. Persistent Volume](#12. Persistent Volume)

13.Namespace

14.Annotation

15.ConfigMap

k8s设计：

1.Master

Kubernetes⾥的Master指的是集群控制节点，在每个Kubernetes集群⾥都需要有⼀个Master来负责整个集群的管理和控制，基本上 Kubernetes的所有控制命令都发给它，它负责具体的执⾏过程，我们后 ⾯执⾏的所有命令基本都是在Master上运⾏的。Master通常会占据⼀个独⽴的服务器（⾼可⽤部署建议⽤3台服务器),整个集群的"⾸脑"，如果它宕机或者不可⽤，那么对集群内容器应⽤的管理都将失效。

1.1在Master上运⾏着以下关键进程

Kubernetes API Server（kube-apiserver） ：提供了HTTP Rest接⼝的关键服务进程，是Kubernetes⾥所有

资源的增、删、改、查等操作的唯⼀⼊⼝，也是集群控制的⼊⼝进程。
Kubernetes Controller Manager（kube-controller-manager） ： Kubernetes⾥所有资源对象的⾃动化控

制中⼼，可以将其理解为资源对象的"⼤总管"。
Kubernetes Scheduler（kube-scheduler） ：负责资源调度（Pod调度）的进程，相当于公交公司的"调度

室"。

另外，在Master上通常还需要部署etcd服务，因为Kubernetes⾥的所有资源对象的数据都被保存在etcd中。

2.什么是Node?

与Master⼀样，Node可以是⼀台物理主机，也可以是⼀台虚拟机。Node是Kubernetes集群中的⼯作负载节

点，每个 Node都会被Master分配⼀些⼯作负载（Docker容器），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。

1.2在每个Node上都运⾏着以下关键进程

**Kubelet:**负责Pod对应的容器创建，启停等任务，同时与Master密切协作，实现集群管理的基本功能。

kube-proxy: 实现Kubernetes Service的通信与负载均衡机制的重要组件。

Docker Engine (Docker): Docker引擎，负责本机的容器创建和管理⼯作。

kubectl get nodes

3.什么是 Pod ?

Pod是Kubernetes最重要的基本概念

每个Pod都有⼀个特殊的被称为"根容器"的Pause容器。Pause容器对应的镜像属于Kubernetes平台的⼀部分，除了Pause容器， 每个Pod还包含⼀个或多个紧密相关的⽤户业务容器。

4. 什么是Label ？

⼀个Label是⼀个key=value的键值对，其中key与

value由⽤户⾃⼰指定。Label可以被附加到各种资源对象上，例如Node、Pod、Service、RC等，⼀个资源对象可以定义任意数量的Label，同⼀个Label也可以被添加到任意数量的资源对象上。Label通常在资源对象定义时确定，也可以在对象创建后动态添加或者删除。

我们可以通过给指定的资源对象捆绑⼀个或多个不同的Label来实现多维度的资源分组管理功能，以便灵活、⽅便地进⾏资源分配、调度、配置、部署等管理⼯作。例如，部署不同版本的应⽤到不同的环境中；监控和分析应⽤（⽇志记录、监控、告警）等。⼀些常⽤的Label示例如下。

版本标签："release":"stable"、"release":"canary"。

环境标签："environment":"dev"、"environment":"qa"、"environment":"production"。

架构标签："tier":"frontend"、"tier":"backend"、"tier":"middleware"。

分区标签："partition":"customerA"、"partition":"customerB"。

质量管控标签："track":"daily"、"track":"weekly"。

可以通过多个Label Selector表达式的组合实现复杂的条件选择，多个表达式之间⽤"，"进⾏分隔即可，⼏个条件

之间是"AND"的关系，即同时满⾜多个条件，⽐如下⾯的例⼦：

name=redis-slave,env!=production
name notin (php-frontend),env!=production

以myweb Pod为例，Label被定义在其metadata中：

apiVersion: v1
kind: Pod
metadata:
  name: web
  labels:
    app: web

管理对象RC和Service则通过Selector字段设置需要关联Pod的 Label：

XML 复制代码 
apiVersion: v1
kind: ReplicationController
metadata:
    name: myweb
spec:
    replicas: 1
    selector:
        app: myweb
    template:
......
apiVersion: v1
kind: Service
metadata:
    name: myweb
spec:
    selector:
        app: myweb
ports:
- port: 8080

其他管理对象如Deployment、ReplicaSet、DaemonSet和Job则可以在Selector中使⽤基于集合的筛选条件定义

例如：

XML 复制代码 
selector:
matchLables:
    app: web
matchExpressions:
- {key: tier, operator: In, values: [frontend]}
- {key: environmetn, operator: NotIn, value: [dev]}

matchLabels⽤于定义⼀组Label，与直接写在Selector中的作⽤相同；matchExpressions⽤于定义⼀组基于集合的筛选条件，可⽤的条件 运算符包括In、NotIn、Exists和DoesNotExist。

如果同时设置了matchLabels和matchExpressions，则两组条件为AND关系，即需要同时满⾜所有条件才能完成Selector的筛选。
Label Selector在Kubernetes中的重要使⽤场景如下

kube-controller 进程通过在资源对象RC上定义的Label Selector来筛选要监控的Pod副本数量，使Pod副本数

量始终符合预期设定的全⾃动控制流程。
kube-proxy 进程通过Service的Label Selector来选择对应的Pod， ⾃动建⽴每个Service到对应Pod的请求转

发路由表，从⽽实现Service的智能负载均衡机制。

通过对某些Node定义特定的Label，并且在Pod定义⽂件中使⽤NodeSelector这种标签调度策略，kube-scheduler进程可以实现Pod定向调度的特性。

5.Replication Controller

RC是Kubernetes系统中的核⼼概念之⼀，简单来说，它其实定义了⼀个期望的场景，即声明某种Pod的副本数量在任意时刻都符合某个预期值 ，所以RC的定义包括如下⼏个部分。

Pod期待的副本数量

⽤于筛选⽬标Pod的Label Selector
当Pod的副本数量⼩于预期数量时，⽤于创建新Pod的Pod模板（template）

下⾯是⼀个完整的RC定义的例⼦，即确保拥有tier=frontend标签的这个Pod（运⾏Tomcat容器）在整个

Kubernetes集群中始终只有⼀个副本：

XML 复制代码 
apiVersion: v1
kind: ReplicationController
metadata:
    name: frontend
spec:
    replicas: 1
    selector:
        tier: frontend
    template:
        metadata:
        labels:
            app: app-demo
            tier: frontend
        spec:
            containers:
        - name: tomcat-demo
            image: tomcat
            imagePullPolicy: IfNotPresent
            env:
            - name: GET_HOSTS_FROM
                value: dns
            ports:
            - containerPort: 80

6.Deployment

Deployment相对于RC的⼀个最⼤升级是我们可以随时知道当前Pod"部署"的进度。实际上由于⼀个Pod的创建、调度、绑定节点及在⽬标Node上启动对应的容器这⼀完整过程需要⼀定的时间，所以我们期待系统启动N个Pod副本的⽬标状态，实际上是⼀个连续变化的"部署过程"导致的最终状态。

6.1Deployment的典型场景：

创建一个Deployment对象来生成对应的Repplicat Set 并完成Pod副本的创建

检查Deployment 的状态来看部署是否完成（Pod 副本数量是否达到预期的值）

更新Deployment以创建新的Pod（⽐如镜像升级）

如果当前Deployment不稳定，则回滚到⼀个早先的Deployment版本

暂停Deployment以便于⼀次性修改多个PodTemplateSpec的配置项，之后再恢复Deployment，进⾏新的发布扩展Deployment以应对⾼负载

查看Deployment的状态，以此作为发布是否成功的指标

清理不再需要的旧版本ReplicaSets

创建⼀个名为tomcat-deployment.yaml的Deployment

描述⽂件，内容如下：

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
    name: frontend
spec:
    replicas: 1
    selector:
        matchLabels:
            tier: frontend
    matchExpressions:
        - {key: tier, operator: In, values: [frontend]}
template:
    metadata:
        labels:
            app: app-demo
            tier: frontend
    spec:
       containers:
       - name: tomcat-demo
         image: tomcat
         imagePullPolicy: IfNotPresent
         ports:
         - containerPort: 8080

对上述输出中涉及的数量解释如下

$ kubectl get deployments

DESIRED ：Pod副本数量的期望值，即在Deployment⾥定义的Replica
CURRENT ：当前Replica的值，实际上是Deployment创建的Replica Set⾥的Replica值，这个值不断增加，直

到达到DESIRED为⽌，表明整个部署过程完成
UP-TO-DAT E：最新版本的Pod的副本数量，⽤于指示在滚动升级的过程中，有多少个Pod副本已经成功升级
AVAILABLE ：当前集群中可⽤的Pod副本数量，即集群中当前存活的Pod数量

运⾏下述命令查看对应的Replica Set，我们看到它的命名与Deployment的名称有关系

kubectl get rs

7.Horizontal Pod Autoscaler TODO

Horizontal Pod Autoscaling（Pod横向⾃动扩容，HPA）

HPA与之前的RC、Deployment⼀样，也属于⼀种Kubernetes资源对象。通过追踪分析指定RC控制的所有⽬标
Pod的负载变化情况，来确定是否需要有针对性地调整⽬标Pod的副本数量，这是HPA的实现原理。 当前，HPA有
以下两种⽅式作为Pod负载的度量指标。

CPUUtilizationPercentage

应⽤程序⾃定义的度量指标，⽐如服务在每秒内的相应请求数（TPS或QPS）

CPUUtilizationPercentage是⼀个算术平均值，即⽬标Pod所有副本⾃身的CPU利⽤率的平均值。⼀个Pod⾃

身的CPU利⽤率是该Pod当前CPU的使⽤量除以它的Pod Request的值，⽐如定义⼀个Pod的Pod Request为0.4，

⽽当前Pod的CPU使⽤量为0.2，则它的CPU使⽤率为50%，这样就可以算出⼀个RC控制的所有Pod副本的CPU利⽤

率的算术平均值了。如果某⼀时刻CPUUtilizationPercentage的值超过80%，则意味着当前Pod副本数量很可能不

⾜以⽀撑接下来更多的请求，需要进⾏动态扩容，⽽在请求⾼峰时段过去后，Pod的CPU利⽤率⼜会降下来，此时

对应的Pod副本数应该⾃动减少到⼀个合理的⽔平。如果⽬标Pod没有定义Pod Request的值，则⽆法使⽤

CPUUtilizationPercentage实现Pod横向⾃动扩容。除了使⽤CPUUtilizationPercentage，Kubernetes从1.2版本

开始也在 尝试⽀持应⽤程序⾃定义的度量指标

下⾯是HPA定义的⼀个具体例⼦：

apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
    name: php-apache
    namespace: default
spec:
    maxReplicas: 10
    minReplicas: 1
    scaleTargetRef:
        kind: Deployment
        name: php-apache
    targetCPUUtilizationPercentage: 90

根据上⾯的定义，我们可以知道这个HPA控制的⽬标对象为⼀个名为php-apache的Deployment⾥的Pod副

本，当这些Pod副本的 CPUUtilizationPercentage的值超过90%时会触发⾃动动态扩容⾏为，在扩容或缩容时必须

满⾜的⼀个约束条件是Pod的副本数为1～10

除了可以通过直接定义YAML⽂件并且调⽤kubectrl create的命令来创建⼀个HPA资源对象的⽅式，还可以通

过下⾯的简单命令⾏直接创建等价的HPA对象：

$ kubectl autoscale deployment php-apache --cpu-percent=90 --min=1 --max=10

8.StatefulSet

在Kubernetes系统中，Pod的管理对象RC、Deployment、DaemonSet和Job都⾯向⽆状态的服务。但现实中

有很多服务是有状态的，特别是⼀些复杂的中间件集群，例如MySQL集群、MongoDB集群、kafka集群、

ZooKeeper集群等，这些应⽤集群有4个共同点
每个节点都有固定的身份ID，通过这个ID，集群中的成员可以相互发现并通信
集群的规模是⽐较固定的，集群规模不能随意变动
集群中的每个节点都是有状态的，通常会持久化数据到永久存储中
如果磁盘损坏，则集群⾥的某个节点⽆法正常运⾏，集群功能受损

StatefulSet特性

StatefulSet⾥的每个Pod都有稳定、唯⼀的⽹络标识，可以⽤来发现集群内的其他成员。假设StatefulSet的名

称为kafka，那么第1个Pod叫kafka-0，第2个叫kafka-1，以此类推

StatefulSet控制的Pod副本的启停顺序是受控的，操作第n个Pod时，前n-1个Pod已经是运⾏且准备好的状态

StatefulSet⾥的Pod采⽤稳定的持久化存储卷，通过PV或PVC来实现，删除Pod时默认不会删除与StatefulSet

相关的存储卷（为了保证数据的安全）

StatefulSet除了要与PV卷捆绑使⽤以存储Pod的状态数据，还要与Headless Service配合使⽤，即在每个StatefulSet定义中都要声明它属于 哪个Headless Service。Headless Service与普通Service的关键区别在于， 它没有Cluster IP，如果解析Headless Service的DNS域名，则返回的是该 Service对应的全部Pod的Endpoint列表。

StatefulSet在Headless Service的 基础上⼜为StatefulSet控制的每个Pod实例都创建了⼀个DNS域名，这个 域名的

格式为：

(podname).(headless service name)

⽐如⼀个3节点的Kafka的StatefulSet集群对应的Headless Service的名称为kafka，StatefulSet的名称为kafka，则

StatefulSet⾥的3个Pod的DNS 名称分别为kafka-0.kafka、kafka-1.kafka、kafka-3.kafka，这些DNS名称可以直接

在集群的配置⽂件中固定下来

9.Service

Service服务也是Kubernetes⾥的核⼼资源对象之⼀，Kubernetes⾥的每个Service其实就是我们经常提起的微服务架构中的⼀个微服务，之前讲解Pod、RC等资源对象其实都是为讲解Kubernetes Service做铺垫的

Service 定义了一个服务的访问入口地址，前端的应用（Pod）通过这个入口访问其背后的一组由Pod 副本组成的集群实例，Service 与其后端Pod 副本集群之间则是通过label Selector 来实现无缝对接的。RC 的作用实际上是保证Service 的服务能力和服务质量始终符合预期标准。

9.1 外部系统访问Service的问题

Kubernetes⾥ 的3种IP

Node IP：Node的IP地址

Pod IP：Pod的IP地址

Cluster IP：Service的IP地址

Node IP是Kubernetes集群中每个节点的物理⽹卡的IP地址， 是⼀个真实存在的物理⽹络，所有属于这个⽹络的服务器都能通过这个⽹络直接通信，不管其中是否有部分节点不属于这个Kubernetes集群。 这也表明在Kubernetes集群之外的节点访问Kubernetes集群之内的某个节点或者TCP/IP服务时，都必须通过Node IP通信。

Pod IP是每个Pod的IP地址，它是Docker Engine根据docker0 ⽹桥的IP地址段进⾏分配的，通常是⼀个虚拟的⼆层⽹络，前⾯说过， Kubernetes要求位于不同Node上的Pod都能够彼此直接通信，所以 Kubernetes⾥⼀个Pod⾥的容器访问另外⼀个Pod⾥的容器时，就是通过 Pod IP所在的虚拟⼆层⽹络进⾏通信的，⽽真实的TCP/IP流量是通过 Node IP所在的物理⽹卡流出的。

Service的Cluster IP ，它也是⼀种虚拟的IP，但更像⼀个"伪造"的IP⽹络，原因有以下⼏点

Cluster IP仅仅作⽤于Kubernetes Service这个对象，并由 Kubernetes管理和分配IP地址（来源于Cluster IP地址池）Cluster IP⽆法被Ping，因为没有⼀个"实体⽹络对象"来响应

Cluster IP只能结合Service Port组成⼀个具体的通信端⼝，单独 的Cluster IP不具备TCP/IP通信的基础，并且它们属于Kubernetes集群这 样⼀个封闭的空间，集群外的节点如果要访问这个通信端⼝，则需要做 ⼀些额外的⼯作在Kubernetes集群内，Node IP⽹、Pod IP⽹与Cluster IP⽹之间的通信，采⽤的是Kubernetes⾃⼰设计的⼀种编程⽅式的特殊路由规 则，与我们熟知的IP路由有很⼤的不同。

根据上⾯的分析和总结，我们基本明⽩了：Service的Cluster IP属于 Kubernetes集群内部的地址，⽆法在集

群外部直接使⽤这个地址。那么 ⽭盾来了：实际上在我们开发的业务系统中肯定多少有⼀部分服务是要提供给

Kubernetes集群外部的应⽤或者⽤户来使⽤的，典型的例⼦就是 Web端的服务模块，⽐如上⾯的tomcat-service，那么⽤户怎么访问它？采⽤NodePort是解决上述问题的最直接、有效的常⻅做法。以 tomcat-service为例，在Service的定义⾥做如

下扩展即可（⻅代码中的粗 体部分）：

其中，nodePort:31002这个属性表明⼿动指定tomcat-service的NodePort为31002，否则Kubernetes会⾃动分配⼀个可⽤的端⼝。接下来 在浏览器⾥访问http://:31002/，就可以看到Tomcat的欢迎界⾯了NodePort的实现⽅式是在Kubernetes集群⾥的每个Node上都为需要外部访问的Service开启⼀个对应的TCP监听端⼝，外部系统只要⽤任意⼀个Node的IP地址+具体的NodePort端⼝号即可访问此服务，在任意Node上运⾏netstat命令，就可以看到有NodePort端⼝被监听：

但NodePort还没有完全解决外部访问Service的所有问题，⽐如负载均衡问题。假如在我们的集群中有10个Node，则此时最好有⼀个负载均衡器，外部的请求只需访问此负载均衡器的IP地址，由负载均衡器负责转发流量到后⾯某个Node的NodePort上，如图1.15所示

图1.15中的Load balancer组件独⽴于Kubernetes集群之外，通常是⼀个硬件的负载均衡器，或者是以软件⽅式实现的，例如HAProxy或者 Nginx。对于每个Service，我们通常需要配置⼀个对应的Load balancer实例来转发流量到后端的Node上，这的确增加了⼯作量及出错的概率。于是Kubernetes提供了⾃动化的解决⽅案，如果我们的集群运⾏在⾕歌的公有云GCE上，那么只要把Service的type=NodePort改为 type=LoadBalancer，Kubernetes会⾃动创建⼀个对应的Load balancer实例并返回它的IP地址供外部客户端使⽤。其他公有云提供商只要实现了⽀持此特性的驱动，则也可以达到上述⽬的。此外，裸机上的类似机制 （Bare Metal Service Load Balancers）也在被开发.

10.Job

批处理任务Job,与RC,Deployment 、ReplicaSet、DaemonSet 类似，Job 也控制一组Pod容器。从这个角度来看，Job 也是特殊的Pod 副本自动控制，同时Job 控制Pod副本与RC 等控制器的工作机制有一下区别：

（1）Job所控制的Pod副本是短暂运⾏的，可以将其视为⼀组 Docker容器，其中的每个Docker容器都仅仅运

⾏⼀次。当Job控制的所有Pod副本都运⾏结束时，对应的Job也就结束了。Job在实现⽅式上与 RC等副本控制器不

同，Job⽣成的Pod副本是不能⾃动重启的，对应Pod 副本的RestartPoliy都被设置为Never。因此，当对应的Pod副本都执⾏完 成时，相应的Job也就完成了控制使命，即Job⽣成的Pod在Kubernetes中 是短暂存在的。Kubernetes在1.5版本之后⼜提供了类似crontab的定时任 务------CronJob，解决了某些批处理任务需要定时反复执⾏的问题。

（2）Job所控制的Pod副本的⼯作模式能够多实例并⾏计算，以TensorFlow框架为例，可以将⼀个机器学习的计算任务分布到10台机器上，在每台机器上都运⾏⼀个worker执⾏计算任务，这很适合通过Job⽣成10个Pod副本同时启动运算。

11.Volume存储卷

Volume（存储卷）是Pod中能够被多个容器访问的共享⽬录。 Kubernetes的Volume概念、⽤途和⽬的与Docker的Volume⽐较类似，但 两者不能等价。⾸先，Kubernetes中的Volume被定义在Pod上，然后被 ⼀个Pod⾥的多个容器挂载到具体的⽂件⽬录下；其次，Kubernetes中的 Volume与Pod的⽣命周期相同，但与容器的⽣命周期不相关，当容器终 ⽌或者重启时，Volume中的数据也不会丢失。最后，Kubernetes⽀持多种类型的Volume，例如GlusterFS、Ceph等先进的分布式⽂件系统。

在Pod上声明 ⼀个Volume，然后在容器⾥引⽤该Volume并挂载（Mount）到容器⾥的 某个⽬录上。举例来说，我们要给之前的Tomcat Pod增加⼀个名为 datavol的Volume，并且挂载到容器的/mydata-data⽬录上，则只要对Pod 的定义⽂件做如下修正即可（注意代码中的粗体部分）：

12. Persistent Volume

之前提到的Volume是被定义在Pod上的，属于计算资源的⼀部分， ⽽实际上，⽹络存储是相对独⽴于计算资源⽽存在的⼀种实体资源。⽐ 如在使⽤虚拟机的情况下，我们通常会先定义⼀个⽹络存储，然后从中 划出⼀个"⽹盘"并挂接到虚拟机上。Persistent Volume（PV）和与之相 关联的Persistent Volume Claim（PVC）也起到了类似的作⽤。

PV可以被理解成Kubernetes集群中的某个⽹络存储对应的⼀块存储，它与Volume类似，但有以下区别。
PV只能是⽹络存储，不属于任何Node，但可以在每个Node上访问。
PV并不是被定义在Pod上的，⽽是独⽴于Pod之外定义的。

PV⽬前⽀持的类型包括：gcePersistentDisk、 AWSElasticBlockStore、AzureFile、AzureDisk、FC（FibreChannel）、

Flocker、NFS、iSCSI、RBD（Rados Block Device）、CephFS、 Cinder、GlusterFS、VsphereVolume、Quobyte Volumes、VMware Photon、Portworx Volumes、ScaleIO Volumes和HostPath（仅供单机测试）

下⾯给出了NFS类型的PV的⼀个YAML定义⽂件，声明了需要5Gi 的存储空间：

⽐较重要的是PV的accessModes属性，⽬前有以下类型。

◎ReadWriteOnce： 读写权限，并且只能被单个Node挂载。

◎ReadOnlyMany： 只读权限，允许被多个Node挂载。

◎**ReadWriteMany：**读写权限，允许被多个Node挂载。

如果某个Pod想申请某种类型的PV，则⾸先需要定义⼀个 PersistentVolumeClaim对象

然后，在Pod的Volume定义中引⽤上述PVC即可：

最后说说PV的状态。PV是有状态的对象，它的状态有以下⼏种。

◎ Available ：空闲状态。

◎Bound ：已经绑定到某个PVC上。

◎Released ：对应的PVC已经被删除，但资源还没有被集群收 回。

◎ **Failed：**PV⾃动回收失败。

13.Namespace

Namespace（命名空间）是Kubernetes系统中的⾮常重要的概念，Namespace在很多情况下⽤于实现多租户的资源隔离。Namespace 通过将集群内部的资源对象"分配"到不同的Namespace中，形成逻辑上分组的不同项⽬、⼩组或⽤户组，便于不同的分组在共享使⽤整个集群的资源的同时还能被分别管理。

Kubernetes集群在启动后会创建⼀个名为default的Namespace，通过kubectl可以查看：

14.Annotation

Annotation（注解）与Label类似，也使⽤key/value键值对的形式进⾏定义。不同的是Label具有严格的命名规则，它定义的是Kubernetes对象的元数据（Metadata），并且⽤于Label Selector。Annotation则是⽤户 任意定义的附加信息，以便于外部⼯具查找。在很多时候，Kubernetes的模块⾃身会通过Annotation标记资源对象的⼀些特殊信息通常来说，⽤Annotation来记录的信息如下

build信息、release信息、Docker镜像信息等，例如时间戳、 release id号、PR号、镜像Hash值、DockerRegistry地址等⽇志库、监控库、分析库等资源库的地址信息程序调试⼯具信息，例如⼯具名称、版本号等团队的联系信息，例如电话号码、负责⼈名称、⽹址等。

15.ConfigMap

为了能够准确和深刻理解Kubernetes ConfigMap的功能和价值，我们需要从Docker说起。我们知道，

Docker通过将程序、依赖库、数据及配置⽂件"打包固化"到⼀个不变的镜像⽂件中的做法，解决了应⽤的部署的难

题，但这同时带来了棘⼿的问题，即配置⽂件中的参数在运⾏期如何修改的问题。我们不可能在启动Docker容器后

再修改容器⾥的配置⽂件，然后⽤新的配置⽂件重启容器⾥的⽤户主进程。为了解决这个问题，Docker提供了两种⽅式：
在运⾏时通过容器的环境变量来传递参数
通过Docker Volume将容器外的配置⽂件映射到容器内

这两种⽅式都有其优势和缺点，在⼤多数情况下，后⼀种⽅式更合适我们的系统，因为⼤多数应⽤通常从⼀个或多个配置⽂件中读取参数。但这种⽅式也有明显的缺陷：我们必须在⽬标主机上先创建好对应的配置⽂件，然后才能映射到容器⾥。

k8s设计：

⾸先，把所有的配置项都当作key-value字符串，当然value可以来⾃ 某个⽂本⽂件，⽐如配置项

password=123456、user=root、 host=192.168.8.4⽤于表示连接FTP服务器的配置参数。这些配置项可以 作为Map表中的⼀个项，整个Map的数据可以被持久化存储在 Kubernetes的Etcd数据库中，然后提供API以⽅便Kubernetes相关组件或客户应⽤CRUD操作这些数据，上述专⻔⽤来保存配置参数的Map就是Kubernetes ConfigMap资源对象

Kubernetes提供了⼀种内建机制，将存储在etcd中的ConfigMap通过Volume映射的⽅式变成⽬标

Pod内的配置⽂件，不管⽬ 标Pod被调度到哪台服务器上，都会完成⾃动映射。进⼀步地，如果ConfigMap中的

key-value数据被修改，则映射到Pod中的"配置⽂件"也会随之⾃动更新。于是，Kubernetes ConfigMap就成了分

布式系统中最为简单（使⽤⽅法简单，但背后实现⽐较复杂）且对应⽤⽆侵⼊的配置中⼼

相关推荐
独行soc5 小时前
#渗透测试#SRC漏洞挖掘#深入挖掘XSS漏洞02之测试流程
web安全·面试·渗透测试·xss·漏洞挖掘·1024程序员节
XuanRanDev9 小时前
【每日一题】LeetCode - 三数之和
数据结构·算法·leetcode·1024程序员节
鹏大师运维14 小时前
【功能介绍】信创终端系统上各WPS版本的授权差异
linux·wps·授权·麒麟·国产操作系统·1024程序员节·统信uos
亦枫Leonlew15 小时前
微积分复习笔记 Calculus Volume 1 - 4.7 Applied Optimization Problems
笔记·数学·微积分·1024程序员节
小肥象不是小飞象15 小时前
（六千字心得笔记）零基础C语言入门第八课——函数（上）
c语言·开发语言·笔记·1024程序员节
一个通信老学姐1 天前
专业130+总400+武汉理工大学855信号与系统考研经验电子信息与通信工程，真题，大纲，参考书。
考研·信息与通信·信号处理·1024程序员节
力姆泰克1 天前
看电动缸是如何提高农机的自动化水平
大数据·运维·服务器·数据库·人工智能·自动化·1024程序员节
力姆泰克1 天前
力姆泰克电动缸助力农业机械装备，提高农机的自动化水平
大数据·服务器·数据库·人工智能·1024程序员节
程思扬1 天前
为什么Uptime+Kuma本地部署与远程使用是网站监控新选择？
linux·服务器·网络·经验分享·后端·网络协议·1024程序员节
转世成为计算机大神1 天前
网关 Spring Cloud Gateway
java·网络·spring boot·1024程序员节
热门推荐
01【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总02(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04【AIGC】重塑未来的科技巨轮05全面解析：构建基于深度学习的安全帽检测系统（UI界面+YOLO代码+数据集）06【经验分享】Ubuntu22.04安装微信(linux官方版)07基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测08Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO09RAG 实践- Ollama+RagFlow 部署本地知识库10【TC3xx芯片】TC3xx芯片电源管理系统PMS详解