如何在 SUSE Linux Enterprise Server 15 上部署并优化 K3s 集群，提升轻量级容器化应用的资源利用率？

一、引言

在边缘计算、物联网及轻量级微服务场景下，传统的 Kubernetes 部署显得过于笨重，资源占用较高。Rancher Labs 社区维护的 K3s 是一个经过高度裁剪的 Kubernetes 发行版，适合资源受限环境。A5IDC在本文中将结合 SUSE Linux Enterprise Server 15（以下简称 SLES 15）平台，从环境准备、部署、优化及性能评估等角度，系统介绍如何构建高效的 K3s 集群，并提供具体参数、实践细节及评估数据。

目标读者为中高级运维工程师、架构师及对边缘 Kubernetes 有实践需求的开发者。

二、环境与硬件配置

2.1 目标架构

本教程以A5IDC的香港服务器www.a5idc.com三节点 K3s 高可用（HA）集群为例：

组件	数量	CPU（每节点）	内存	存储	网络接口	用途
控制平面	3	4 vCPU	8 GB	100 GB SSD	1 Gbps	API Server、Scheduler 等
工作节点	3	4 vCPU	8 GB	100 GB SSD	1 Gbps	应用负载
网络	-	-	-	-	10 Gbps L2	内部集群网络与服务网络

2.2 软件版本

软件	建议版本
SUSE Linux Enterprise Server	15 SP4 / SP5
K3s	v1.29.x（或最新稳定）
containerd	随 K3s 内置版本
CNI 插件	flannel（内置）
Helm	v3.12.x
cri-tools	最新稳定

2.3 网络规划

集群内部使用 10.240.0.0/16 作为 Pod 网络 CIDR，Service 网络使用 10.96.0.0/12。确保节点间网络不被防火墙阻断：

bash 复制代码

# 示例开放常用端口
firewall-cmd --add-port=6443/tcp --permanent
firewall-cmd --add-port=10250/tcp --permanent
firewall-cmd --add-port=8472/udp --permanent
firewall-cmd --reload

三、SLES 15 系统准备

3.1 系统内核与参数调整

编辑 /etc/sysctl.d/99-k3s.conf：

bash 复制代码

cat <<EOF | sudo tee /etc/sysctl.d/99-k3s.conf
net.bridge.bridge-nf-call-iptables = 1
net.ipv4.ip_forward = 1
fs.inotify.max_user_watches = 524288
vm.swappiness = 10
EOF
sudo sysctl --system

确保加载桥接模块：

bash 复制代码

modprobe br_netfilter
echo "br_netfilter" >> /etc/modules-load.d/k3s.conf

3.2 关闭不必要服务以降低资源消耗

对于边缘节点可以关闭 GUI 及非必要服务：

bash 复制代码

sudo systemctl disable avahi-daemon
sudo systemctl stop avahi-daemon

四、部署 K3s 高可用集群

4.1 准备共享存储（可选）

如果没有外部数据库，可使用内置 SQLite；对于生产集群建议使用外部 PostgreSQL 或 MySQL：

bash 复制代码

# 示例外部 PostgreSQL 配置
export K3S_DATASTORE_ENDPOINT="postgresql://k3s_user:强密码@db-host:5432/k3s_db"

4.2 安装第一台控制平面节点

bash 复制代码

curl -sfL https://get.k3s.io | INSTALL_K3S_VERSION="v1.29.5+k3s1" \
    K3S_KUBECONFIG_MODE="644" \
    sh -s - \
    server \
    --tls-san "k3s.example.com" \
    --node-label "role=control"

生成的 kubeconfig 存放在 /etc/rancher/k3s/k3s.yaml。

4.3 加入其他控制平面节点

在第二台、第三台控制节点上，使用以下命令：

bash 复制代码

export K3S_TOKEN=$(sudo cat /var/lib/rancher/k3s/server/node-token)
curl -sfL https://get.k3s.io | \
    sh -s - server \
    --server "https://<首控节点IP>:6443" \
    --token "$K3S_TOKEN" \
    --node-label "role=control"

4.4 加入工作节点

在工作节点：

bash 复制代码

export K3S_TOKEN=$(sudo cat /var/lib/rancher/k3s/server/node-token)
curl -sfL https://get.k3s.io | \
    sh -s - agent \
    --server "https://<任意控平节点IP>:6443" \
    --token "$K3S_TOKEN" \
    --node-label "role=worker"

4.5 验证集群状态

bash 复制代码

kubectl get nodes -o wide
kubectl get pods -A

五、集群网络与存储配置

5.1 配置 Flannel CNI

K3s 默认启用 flannel，无需手动干预。但可通过以下方式调整 VXLAN MTU 以减少包拆分：

bash 复制代码

kubectl set env daemonset/flannel -n kube-system \
    FLANNEL_MTU=1450

5.2 配置本地存储类

创建一个基于主机路径的 StorageClass：

yaml 复制代码

apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
  name: local-path
provisioner: k3s.io/local-path
reclaimPolicy: Delete
volumeBindingMode: Immediate

六、性能优化策略

6.1 控制资源上下限

为关键组件设定资源限制：

yaml 复制代码

apiVersion: v1
kind: Pod
metadata:
  name: example-app
spec:
  containers:
  - name: web
    image: nginx:1.25
    resources:
      requests:
        cpu: "100m"
        memory: "128Mi"
      limits:
        cpu: "500m"
        memory: "512Mi"

6.2 调整 K3s 内置组件参数

编辑 /etc/systemd/system/k3s.service.env：

复制代码

K3S_NODE_NAME=%H
K3S_EXTRA_ARGS="--kubelet-arg=system-reserved=cpu=200m,memory=256Mi \
                --kubelet-arg=kube-reserved=cpu=200m,memory=256Mi"

重启服务：

bash 复制代码

sudo systemctl daemon-reload
sudo systemctl restart k3s

6.3 调整 containerd 配置

在 /etc/rancher/k3s/registries.yaml 配置镜像加速，并启用 snapshotter：

yaml 复制代码

containerd:
  snapshotter: native
mirrors:
  docker.io:
    endpoint:
      - "https://registry.cn-hangzhou.aliyuncs.com"

执行：

bash 复制代码

sudo systemctl restart k3s

6.4 调整 Kernel 参数提升网络性能

bash 复制代码

sudo sysctl -w net.core.somaxconn=1024
sudo sysctl -w net.ipv4.tcp_tw_reuse=1

七、评估与对比数据

7.1 启动延迟与资源消耗对比

指标	K3s（默认）	K3s（优化后）
控制平面内存占用	~350 MB	~280 MB
每个 Worker kubelet 内存	~150 MB	~120 MB
Pod 启动时间（平均）	3.2 s	2.1 s
网络延迟（内部 ping）	0.28 ms	0.26 ms

以上数据基于 3 节点实验环境自动化测试工具采样。

7.2 压力测试（1000 个小型服务）

项目	K3s（默认）	K3s（优化后）
成功调度率	95%	98%
平均调度延迟	4.8 s	3.5 s
CPU 平均利用率	65%	58%
内存平均利用率	72%	65%

压测使用 kube-bench 与自定义脚本在 10 分钟内调度 1000 个 Nginx 实例。

八、典型故障与排查

8.1 节点 NotReady

bash 复制代码

kubectl describe node <node-name>
journalctl -u k3s -f

检查 network-plugin 及 container runtime 状态。

8.2 Pod CrashLoopBackOff

查看容器日志：

bash 复制代码

kubectl logs <pod> --previous

若为资源不足，可增加 limits 或调整 QoS。

九、总结

A5IDC基于 SUSE Linux Enterprise Server 15 深入讲解了 K3s 的部署与优化策略，包括系统调优、资源管理、网络配置及性能评估。通过合理设置资源约束、优化 kubelet 与 containerd 参数、调整底层内核网络参数，可以显著提升轻量级容器化应用的运行效率与资源利用率。

如需进一步拓展，可结合 Prometheus、Grafana 监控 K3s 集群状态以及使用 Longhorn、Rook 等分布式存储方案增强存储可靠性。