k8s学习(二)——kubernetes整体架构及组件解析

k8s集群一般由一至多个master节点和若干个node节点组成,而每个Master节点Node节点都有着不同的组成,本文章在此讲述k8s集群的整体架构和组件的解析。

一,k8s中master节点的组成

master节点上运行的后台服务有:

kube-apiserver:

APl Server是k8s的前端接口,各种客户端工具以及k8s其他组件可以通过它管理集群的各种资源。

kube-scheduler:

scheduer负责决定将pod放在哪个node上运行。另外scheduler在调度时会充分考虑集群的架构,当前各个节点的负载,以及应用对高可用、性能、数据亲和性的需求。

kube-controller-manager:

负责维护集群的状态,比如故障检测、自动扩展、滚动更新等。ControlerManager由多种 controler组成,包括replicationcontrollerendpointscontroller、namespace controller、serviceaccounts controller等。不同的 controller管理不同的资源。例如 replication controller管理 Deployment、StatefulSet、DaemonSet的生命周期,namespace controller管理 Namespace 资源。

Etcd:

负责保存k8s集群的配置信息和各种资源的状态信息,K8S中所有的服务节点的信息数据、配置数据都是存储在ETCD中,当数据发生变化时,etcd会快速的通知k8s相关组件。

pod网络(flannel):

Flannel 是 Kubernetes 中一种基础的 CNI 插件,通过为每个节点分配独立子网、借助 etcd 同步配置并以 VXLAN 等隧道方式封装跨节点数据包,实现不同节点上 Pod 之间的直接 IP 通信,满足 k8s 对 Pod 网络互通的核心需求。

pod要能够相互通信,k8s集群必须掌握pod网络,flannel是其中一个可选的方案。

二,k8s中node节点的组成

node节点上运行的后台服务有:

kubelet:

kubelet是node的agent,当scheduler去确定在某个node上运行pod后,会将pod的具体配置信息发送给该节点的kubelet,kubelet会根据这些信息创建和运行容器,并向master报告运行状态。

kube-proxy:

service 在逻辑上代表了后端的多个 Pod,外界通过 service 访问 Pod。service 接收到的请求是如何转发到 Pod 的呢?

这就是 kube-proxy要完成的工作。proxy是配合service实现从pod到service,以及从外部的node port到service的访问。每个 Node都会运行 kube-proxy服务,它负责将访问 service 的 TCP/UPD数据流转发到后端的容器。如果有多个副本,kube-proxy会实现负载均衡。

pod网络(fiannel):

Flannel 是 Kubernetes 中一种基础的 CNI 插件,通过为每个节点分配独立子网、借助 etcd 同步配置并以 VXLAN 等隧道方式封装跨节点数据包,实现不同节点上 Pod 之间的直接 IP 通信,满足 k8s 对 Pod 网络互通的核心需求。

pod要能够相互通信,k8s集群必须掌握pod网络,flannel是其中一个可选的方案。

三,k8s整体功能架构图和通信图

相关推荐
winfreedoms1 分钟前
java-网络编程——黑马程序员学习笔记
java·网络·学习
五VV13 分钟前
【ESP32】SP3手柄与ESP32连接不上问题解决
经验分享·学习
墨黎芜37 分钟前
SQL Server从入门到精通——C#与数据库
数据库·学习·信息可视化
wdfk_prog1 小时前
[Linux]学习笔记系列 -- [drivers][dma]stm32-dma
linux·笔记·学习
暖阳之下1 小时前
学习周报三十三
学习
heartbeat..1 小时前
Redis 性能优化全指南:从基础配置到架构升级
java·redis·性能优化·架构
写点什么呢1 小时前
Ltspice_安装与使用
学习·测试工具
CappuccinoRose1 小时前
CSS前端布局总指南
前端·css·学习·布局·flex布局·grid布局·float布局
mango_mangojuice1 小时前
Linux学习笔记(角色,权限管理)1.21
linux·笔记·学习
Loo国昌1 小时前
【垂类模型数据工程】第四阶段:高性能 Embedding 实战:从双编码器架构到 InfoNCE 损失函数详解
人工智能·后端·深度学习·自然语言处理·架构·transformer·embedding