活动介绍

Kubernetes中有状态应用的存储管理与StatefulSet部署

立即解锁
发布时间: 2025-08-25 02:04:17 阅读量: 3 订阅数: 7
### Kubernetes 中状态应用的存储与部署实践 在 Kubernetes 环境中,管理有状态应用的存储和部署是一项关键任务。本文将深入探讨存储类、单 Pod 有状态工作负载部署以及 StatefulSet 的相关内容,通过具体示例帮助你更好地理解和实践。 #### 1. 存储类(Storage Classes) 在 Kubernetes 中,存储类是描述动态存储类型以及如何配置请求卷的一种方式。默认情况下,平台提供商会有默认的动态配置行为,但有时我们需要对存储类型和数据保留策略进行调整。 ##### 1.1 查看现有存储类 可以使用以下命令查看现有的存储类: ```bash $ kubectl get storageclass NAME PROVISIONER RECLAIMPOLICY premium-rwo pd.csi.storage.gke.io Delete standard kubernetes.io/gce-pd Delete standard-rwo (default) pd.csi.storage.gke.io Delete ``` 从输出中可以看到,默认的回收策略(RECLAIM POLICY)为 Delete,这意味着当 PersistentVolumeClaim(PVC)被删除时,绑定的 PersistentVolume(PV)和底层磁盘资源也会被删除。对于存储关键数据的工作负载,这种默认行为并不理想。 ##### 1.2 回收策略 Kubernetes 提供了两种回收策略: - **Delete**:删除 PVC 时,绑定的 PV 和底层磁盘资源也会被删除。适用于缓存服务等存储非关键数据的工作负载。 - **Retain**:删除 PVC 时,底层磁盘资源不会被删除,允许将磁盘保留并绑定到新的 PV 和 PVC,甚至可以在不同集群中使用。但需要手动删除不需要的磁盘,不太适合测试、开发或存储临时数据的工作负载。 ##### 1.3 创建自定义存储类 为了使用 Retain 回收策略,我们可以创建自定义存储类。以下是具体步骤: 1. 导出默认存储类作为模板: ```bash kubectl get -o yaml storageclass standard-rwo > storageclass.yaml ``` 2. 编辑 `storageclass.yaml` 文件,设置新的名称、Retain 回收策略,并去除不必要的元数据字段: ```yaml apiVersion: storage.k8s.io/v1 kind: StorageClass metadata: annotations: storageclass.kubernetes.io/is-default-class: "true" name: example-default-rwo parameters: type: pd-balanced provisioner: pd.csi.storage.gke.io reclaimPolicy: Retain volumeBindingMode: WaitForFirstConsumer allowVolumeExpansion: true ``` 3. 创建新的存储类: ```bash kubectl create -f storageclass.yaml ``` 如果将其设置为默认存储类,后续创建的所有新 PersistentVolume 都将使用该存储类。 #### 2. 单 Pod 有状态工作负载部署 利用 PersistentVolumeClaims,我们可以通过将 Pod 封装在 Deployment 中来部署单副本有状态工作负载。即使 Pod 被终止,Deployment 也会重新创建它。 以下是一个部署 MariaDB 数据库的示例: ```yaml apiVersion: apps/v1 kind: Deployment metadata: name: mariadb-demo spec: replicas: 1 selector: matchLabels: app: mariadb strategy: type: Recreate template: metadata: labels: app: mariadb spec: containers: - name: mariadb-container image: mariadb:latest volumeMounts: - mountPath: /var/lib/mysql name: mariadb-volume resources: requests: cpu: 1 memory: 4Gi env: - name: MARIADB_ROOT_PASSWORD value: "your database password" volumes: - name: mariadb-volume persistentVolumeClaim: claimName: mariadb-pvc --- apiVersion: v1 kind: PersistentVolumeClaim metadata: name: mariadb-pvc spec: accessModes: - ReadWriteOnce resources: requests: storage: 2Gi ``` 通过上述配置,我们部署了一个单 Pod 的 MariaDB 数据库,并且由于之前创建的存储类使用了 Retain 策略,即使整个 Kubernetes 集群被删除,附加的磁盘也不会被删除。 为了连接到该数据库,可以创建一个 Service,并通过本地客户端或容器化的 phpMyAdmin 进行连接。 #### 3. StatefulSet 虽然 Deployment 可以用于部署单副本有状态工作负载,但对于需要多个 Pod 且每个 Pod 都有自己磁盘的复杂有状态工作负载,Deployment 存在局限性。Kubernetes 提供了 StatefulSet 来解决这个问题。 ##### 3.1 StatefulSet 的优势 - **Volume 模板**:可以定义 Volume 模板,Kubernetes 会为每个 Pod 创建新的 PVC,解决了 Deployment 中所有 Pod 共享相同 PVC 的问题。 - **稳定标识符**:为每个 Pod 分配稳定的标识符,与特定的 PVC 关联,并在创建、扩展和更新时提供顺序保证。 - **稳定网络身份**:每个 Pod 都有自己的稳定网络身份,可以通过序号进行寻址。 ##### 3.2 部署 StatefulSet 以下是两个常见有状态工作负载(MariaDB 和 Redis)作为 StatefulSet 部署的示例。 **MariaDB StatefulSet** ```yaml apiVersion: apps/v1 kind: StatefulSet metadata: name: mariadb spec: ```
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

SW_孙维

开发技术专家
知名科技公司工程师,开发技术领域拥有丰富的工作经验和专业知识。曾负责设计和开发多个复杂的软件系统,涉及到大规模数据处理、分布式系统和高性能计算等方面。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看

最新推荐

C#并发编程:加速变色球游戏数据处理的秘诀

![并发编程](https://img-blog.csdnimg.cn/1508e1234f984fbca8c6220e8f4bd37b.png) # 摘要 本文旨在深入探讨C#并发编程的各个方面,从基础到高级技术,包括线程管理、同步机制、并发集合、原子操作以及异步编程模式等。首先介绍了C#并发编程的基础知识和线程管理的基本概念,然后重点探讨了同步原语和锁机制,例如Monitor类和Mutex与Semaphore的使用。接着,详细分析了并发集合与原子操作,以及它们在并发环境下的线程安全问题和CAS机制的应用。通过变色球游戏案例,本文展示了并发编程在实际游戏数据处理中的应用和优化策略,并讨论了

【高级图像识别技术】:PyTorch深度剖析,实现复杂分类

![【高级图像识别技术】:PyTorch深度剖析,实现复杂分类](https://www.pinecone.io/_next/image/?url=https%3A%2F%2Fsiteproxy.ruqli.workers.dev%3A443%2Fhttps%2Fcdn.sanity.io%2Fimages%2Fvr8gru94%2Fproduction%2Fa547acaadb482f996d00a7ecb9c4169c38c8d3e5-1000x563.png&w=2048&q=75) # 摘要 随着深度学习技术的快速发展,PyTorch已成为图像识别领域的热门框架之一。本文首先介绍了PyTorch的基本概念及其在图像识别中的应用基础,进而深入探讨了PyTorch的深度学习

分布式应用消息监控系统详解

### 分布式应用消息监控系统详解 #### 1. 服务器端ASP页面:viewAllMessages.asp viewAllMessages.asp是服务器端的ASP页面,由客户端的tester.asp页面调用。该页面的主要功能是将消息池的当前状态以XML文档的形式显示出来。其代码如下: ```asp <?xml version="1.0" ?> <% If IsObject(Application("objMonitor")) Then Response.Write cstr(Application("objMonitor").xmlDoc.xml) Else Respo

深度学习 vs 传统机器学习:在滑坡预测中的对比分析

![基于 python 的滑坡地质灾害危险性预测毕业设计机器学习数据分析决策树【源代码+演示视频+数据集】](https://opengraph.githubassets.com/f6155d445d6ffe6cd127396ce65d575dc6c5cf82b0d04da2a835653a6cec1ff4/setulparmar/Landslide-Detection-and-Prediction) 参考资源链接:[Python实现滑坡灾害预测:机器学习数据分析与决策树建模](https://wenku.csdn.net/doc/3bm4x6ivu6?spm=1055.2635.3001.

分布式系统中的共识变体技术解析

### 分布式系统中的共识变体技术解析 在分布式系统里,确保数据的一致性和事务的正确执行是至关重要的。本文将深入探讨非阻塞原子提交(Nonblocking Atomic Commit,NBAC)、组成员管理(Group Membership)以及视图同步通信(View - Synchronous Communication)这几种共识变体技术,详细介绍它们的原理、算法和特性。 #### 1. 非阻塞原子提交(NBAC) 非阻塞原子提交抽象用于可靠地解决事务结果的一致性问题。每个代表数据管理器的进程需要就事务的结果达成一致,结果要么是提交(COMMIT)事务,要么是中止(ABORT)事务。

【PJSIP高效调试技巧】:用Qt Creator诊断网络电话问题的终极指南

![【PJSIP高效调试技巧】:用Qt Creator诊断网络电话问题的终极指南](https://www.contus.com/blog/wp-content/uploads/2021/12/SIP-Protocol-1024x577.png) # 摘要 PJSIP 是一个用于网络电话和VoIP的开源库,它提供了一个全面的SIP协议的实现。本文首先介绍了PJSIP与网络电话的基础知识,并阐述了调试前所需的理论准备,包括PJSIP架构、网络电话故障类型及调试环境搭建。随后,文章深入探讨了在Qt Creator中进行PJSIP调试的实践,涵盖日志分析、调试工具使用以及调试技巧和故障排除。此外,

以客户为导向的离岸团队项目管理与敏捷转型

### 以客户为导向的离岸团队项目管理与敏捷转型 在项目开发过程中,离岸团队与客户团队的有效协作至关重要。从项目启动到进行,再到后期收尾,每个阶段都有其独特的挑战和应对策略。同时,帮助客户团队向敏捷开发转型也是许多项目中的重要任务。 #### 1. 项目启动阶段 在开发的早期阶段,离岸团队应与客户团队密切合作,制定一些指导规则,以促进各方未来的合作。此外,离岸团队还应与客户建立良好的关系,赢得他们的信任。这是一个奠定基础、确定方向和明确责任的过程。 - **确定需求范围**:这是项目启动阶段的首要任务。业务分析师必须与客户的业务人员保持密切沟通。在早期,应分解产品功能,将每个功能点逐层分

多项式相关定理的推广与算法研究

### 多项式相关定理的推广与算法研究 #### 1. 定理中 $P_j$ 顺序的优化 在相关定理里,$P_j$ 的顺序是任意的。为了使得到的边界最小,需要找出最优顺序。这个最优顺序是按照 $\sum_{i} \mu_i\alpha_{ij}$ 的值对 $P_j$ 进行排序。 设 $s_j = \sum_{i=1}^{m} \mu_i\alpha_{ij} + \sum_{i=1}^{m} (d_i - \mu_i) \left(\frac{k + 1 - j}{2}\right)$ ,定理表明 $\mu f(\xi) \leq \max_j(s_j)$ 。其中,$\sum_{i}(d_i

嵌入式平台架构与安全:物联网时代的探索

# 嵌入式平台架构与安全:物联网时代的探索 ## 1. 物联网的魅力与挑战 物联网(IoT)的出现,让我们的生活发生了翻天覆地的变化。借助包含所有物联网数据的云平台,我们在驾车途中就能连接家中的冰箱,随心所欲地查看和设置温度。在这个过程中,嵌入式设备以及它们通过互联网云的连接方式发挥着不同的作用。 ### 1.1 物联网架构的基本特征 - **设备的自主功能**:物联网中的设备(事物)具备自主功能,这与我们之前描述的嵌入式系统特性相同。即使不在物联网环境中,这些设备也能正常运行。 - **连接性**:设备在遵循隐私和安全规范的前提下,与同类设备进行通信并共享适当的数据。 - **分析与决策

未知源区域检测与子扩散过程可扩展性研究

### 未知源区域检测与子扩散过程可扩展性研究 #### 1. 未知源区域检测 在未知源区域检测中,有如下关键公式: \((\Lambda_{\omega}S)(t) = \sum_{m,n = 1}^{\infty} \int_{t}^{b} \int_{0}^{r} \frac{E_{\alpha,\alpha}(\lambda_{mn}(r - t)^{\alpha})}{(r - t)^{1 - \alpha}} \frac{E_{\alpha,\alpha}(\lambda_{mn}(r - \tau)^{\alpha})}{(r - \tau)^{1 - \alpha}} g(\