在kube-hetzner中实现Longhorn存储路径自定义配置
2025-06-27 21:20:31作者:殷蕙予
背景介绍
kube-hetzner是一个使用Terraform在Hetzner Cloud上部署Kubernetes集群的项目。Longhorn作为Kubernetes的分布式块存储系统,常被用于提供持久化存储解决方案。在默认配置中,Longhorn使用固定的存储路径/var/longhorn,这限制了用户在不同类型存储设备(如NVMe和SSD)上灵活部署的能力。
问题分析
默认情况下,Longhorn模块将磁盘挂载路径硬编码为/var/longhorn,这带来了几个限制:
- 无法在同一集群中同时使用不同类型的存储设备
- 无法根据实际硬件配置优化存储路径
- 缺乏灵活性,难以适应特殊部署需求
解决方案
通过修改Terraform配置,我们可以实现Longhorn存储路径的自定义配置。以下是关键实现步骤:
1. 创建Hetzner Cloud卷
首先使用Terraform的hcloud_volume资源创建存储卷,注意这里我们为每个agent节点创建独立的卷:
resource "hcloud_volume" "longhorn_volume" {
for_each = { for k, v in local.agent_nodes : k => v if((v.longhorn_volume_size >= 10) && (v.longhorn_volume_size <= 10240) && var.enable_longhorn) }
name = "${var.cluster_name}-longhorn-${module.agents[each.key].name}"
size = local.agent_nodes[each.key].longhorn_volume_size
server_id = module.agents[each.key].id
automount = true
format = var.longhorn_fstype
delete_protection = var.enable_delete_protection.volume
}
2. 配置挂载点和文件系统
使用null_resource和remote-exec配置挂载点和文件系统:
resource "null_resource" "configure_longhorn_volume" {
for_each = { for k, v in local.agent_nodes : k => v if((v.longhorn_volume_size >= 10) && (v.longhorn_volume_size <= 10240) && var.enable_longhorn) }
provisioner "remote-exec" {
inline = [
"mkdir /var/longhorn >/dev/null 2>&1",
"mount -o discard,defaults ${hcloud_volume.longhorn_volume[each.key].linux_device} ${var.mount_path}",
"${var.longhorn_fstype == "ext4" ? "resize2fs" : "xfs_growfs"} ${hcloud_volume.longhorn_volume[each.key].linux_device}",
"echo '${hcloud_volume.longhorn_volume[each.key].linux_device} ${var.mount_path} ${var.longhorn_fstype} discard,nofail,defaults 0 0' >> /etc/fstab"
]
}
}
3. 关键配置参数
实现灵活配置的关键在于以下几个参数:
var.mount_path- 允许用户自定义挂载路径var.longhorn_fstype- 支持不同的文件系统类型(ext4/xfs)- 条件判断 - 根据节点配置动态创建资源
实现效果
通过这种配置方式,我们可以实现:
- 在同一集群中创建多个存储类,分别对应不同类型的存储设备
- 根据实际硬件性能优化存储路径
- 更灵活地管理存储资源,提高资源利用率
- 支持存储卷的动态扩展和配置变更
最佳实践建议
- 对于高性能NVMe设备,建议挂载到
/mnt/nvme等专用路径 - 对于普通SSD设备,可以使用默认的
/var/longhorn路径 - 根据工作负载特点,合理分配不同类型的存储资源
- 定期检查存储使用情况,及时调整存储配置
这种灵活的存储路径配置方案,使得kube-hetzner项目能够更好地适应不同规模和性能需求的Kubernetes集群部署场景。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
962
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
873
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430