今天继续学习Kubernetes内容namespace资源对象和pod简介

K8S-namespace资源对象


一、概述

Kubernetes 支持多个虚拟集群 ,它们底层依赖于同一个物理集群 。 这些虚拟集群被称为命名空间

命名空间namespace是k8s集群级别的资源,可以给不同的用户、租户、环境或项目创建对应的命名空间,例如,可以为test、devlopment、production、deployment环境分别创建各自的命名空间。

namespace应用场景

命名空间适用于存在很多跨多个团队或项目的用户的场景。对于只有几到几十个用户的集群,根本不需要创建或考虑命名空间。

二、namespace资源管理

查看名称空间

bash 复制代码
kubectl get namespace(ns)

查看特定的名称空间的详细信息

bash 复制代码
kubectl describe ns NAME

创建名称空间

bash 复制代码
kubectl create namespace 名称

三、namespace使用案例

创建一个test命名空间

bash 复制代码
[root@k8s-master01 ~]# kubectl create ns test

切换默认查看命名空间

bash 复制代码
[root@k8s-master01 ~]# kubectl  config set-context --current --namespace=kube-system

查看哪些资源属于命名空间级别的

bash 复制代码
[root@k8s-master01 ~]# kubectl api-resources --namespaced=true

对ns做资源配额

bash 复制代码
[root@k8s-master01 ~]# vim namespace-quota.yaml
bash 复制代码
apiVersion: v1
kind: ResourceQuota
metadata:
  name: mem-cpu-quota
  namespace: test
spec:
  hard:
    requests.cpu: '2'
    requests.memory: 2Gi
    limits.cpu: '4'
    limits.memory: 4Gi
bash 复制代码
[root@k8s-master01 ~]# kubectl  apply -f namespace-quota.yaml
[root@k8s-master01 ~]# kubectl describe ns test
Name:         test
Resource Quotas
 Name:            mem-cpu-quota
 Resource         Used  Hard
 --------         ---   ---
 limits.cpu       0     4
 limits.memory    0     4Gi
 requests.cpu     0     2
 requests.memory  0     2Gi

创建资源限制pod

bash 复制代码
[root@k8s-master01 ~]# vim pod-test.yaml
bash 复制代码
apiVersion: v1
kind: Pod
metadata:
  name: pod-test
  namespace: myns1
  labels:
    app: nginx129
spec:
  containers:
  - name: nginx129
    ports:
    - containerPort: 80
    image: nginx:latest
    imagePullPolicy: IfNotPresent

发现无法正常启动

bash 复制代码
[root@k8s-master01 ~]# kubectl apply -f pod-test.yaml
Error from server (Forbidden): error when creating "pod-test.yaml": pods "pod-test" is forbidden: failed quota: mem-cpu-quota: must specify limits.cpu for: nginx1; limits.memory for: nginx1; requests.cpu for: nginx1; requests.memory for: nginx1

修改资源配额清单

bash 复制代码
[root@k8s-master01 ~]# vim pod-test.yaml
bash 复制代码
apiVersion: v1
kind: Pod
metadata:
  name: pod-test
  namespace: test
  labels:
    app: tomcat-pod-test
spec:
  containers:
  - name:  tomcat-test
    ports:
    - containerPort: 8080
    image: tomcat:8.5-jre8-alpine
    imagePullPolicy: IfNotPresent
    resources:
      requests:
        cpu: 0.5
        memory: 1024Mi
      limits:
        cpu: 0.5
        memory: 1024Mi

再次执行就正常运行了

bash 复制代码
[root@k8s-master01 ~]# kubectl apply -f pod-test.yaml
bash 复制代码
[root@k8s-master01 ~]# kubectl get pod -n test
NAME       READY   STATUS    RESTARTS   AGE
pod-test   1/1     Running   0          15s

K8S-Pod资源对象


一、概述

Pod 是可以在 Kubernetes 中创建和管理的、最小的可部署的计算单元

Pod (就像在鲸鱼荚或者豌豆荚中)是一组(一个或多个) 容器; 这些容器共享存储、网络、以及怎样运行这些容器的声明。 Pod 中的容器总是并置(colocated)的并且一同调度,在共享的上下文中运行。 Pod 所建模的是特定于应用的 "逻辑主机",其中包含一个或多个应用容器, 这些容器相对紧密地耦合在一起。 在非云环境中,在相同的物理机或虚拟机上运行的应用类似于在同一逻辑主机上运行的云应用。

除了应用容器,Pod 还可以包含在 Pod 启动期间运行的 Init 容器。 你也可以在集群支持临时性容器的情况下, 为调试的目的注入临时性容器。

Pod 的共享上下文包括一组 Linux 名字空间、控制组(cgroup)和可能一些其他的隔离方面, 即用来隔离容器的技术。 在 Pod 的上下文中,每个独立的应用可能会进一步实施隔离。

Pod 类似于共享名字空间并共享文件系统卷的一组容器。

二、POD创建过程(重点,必背)

第一步: 客户端提交创建Pod的请求,可以通过调用API Server的Rest API接口,也可以通过kubectl命令行工具。如kubectl apply -f filename.yaml(资源清单文件)

第二步: apiserver接收到pod创建请求后,会将yaml中的属性信息(metadata)写入etcd。

第三步: apiserver触发watch机制准备创建pod,信息转发给调度器scheduler,调度器用一组规则过滤掉不符合要求的主机,比如Pod指定了所需要的资源量,那么可用资源比Pod需要的资源量少的主机会被过滤掉。调度器使用调度算法选择node,调度器将node信息给apiserver,apiserver将绑定的node信息写入etcd

第四步: apiserver又通过watch机制,调用kubelet,指定pod信息,调用Docker API创建并启动pod内的容器。

第五步: worker创建完成之后反馈给自身的kubelet, 再反馈给控制器的apiserver,apiserver又将pod的状态信息写入etcd

相关推荐
小此方5 小时前
Re:Linux系统篇(八)权限篇 ·三:深度解析从 umask 位运算到粘滞位的“权力锁”
linux·运维·服务器
bendandawugui6 小时前
PCIe协议学习-PCIe的No Snoop Attr使用
学习
xian_wwq6 小时前
【学习笔记】网络与数据安全领域强制性标准
笔记·学习
晨曦夜月6 小时前
进程的五大状态及特殊进程解析
linux·服务器·算法
生而为虫6 小时前
Claude Code 最新版安装教程(Windows/Mac/Linux 全平台) 面向普通用户的 Claude Code 安装与模型接入指南
linux·windows·macos
24白菜头6 小时前
【无标题】
c++·笔记·学习·harmonyos
qq_589568106 小时前
java基础学习,案例练习,即时通讯
java·开发语言·学习
吟安安安安6 小时前
适合短期冲刺的学习工作流(针对算法)
学习·算法
小何code6 小时前
人工智能【第8篇】监督学习实战:线性回归与逻辑回归算法详解(万字长文+完整代码实现)
人工智能·python·学习·机器学习·逻辑回归·线性回归
微软技术分享6 小时前
本地部署千问 2.5-1.5B-GGUF + LangChain 封装学习
数据库·学习·langchain