Longhorn项目中通过extraObjects扩展自定义资源部署
2025-06-01 12:57:27作者:伍希望
在Longhorn项目的Helm chart中,开发者提出了一项改进建议,旨在增强部署时的灵活性。这项改进允许用户在部署Longhorn时,通过配置额外资源对象来满足个性化需求。
背景与需求
在Kubernetes生态中,Helm作为主流的包管理工具,其灵活性体现在能够根据用户需求进行定制化部署。对于Longhorn这样的分布式存储系统,用户经常需要在部署时附带一些相关资源,例如:
- 监控相关的Grafana仪表板配置
- 外部密钥管理系统集成的ExternalSecret资源
- 特定环境所需的ConfigMap配置
- 其他与Longhorn配套使用的自定义资源
传统做法需要用户在部署Longhorn后手动创建这些资源,这不仅增加了操作复杂度,也不利于实现完全声明式的GitOps工作流。
技术实现方案
Longhorn团队采纳了社区建议,在Helm chart的values.yaml中新增了extraObjects字段。这个字段采用数组格式,允许用户直接定义需要随Longhorn一起部署的Kubernetes资源清单。
典型配置示例如下:
extraObjects:
- apiVersion: v1
kind: ConfigMap
metadata:
name: monitoring-config
namespace: longhorn-system
data:
dashboard.json: |
{
"title": "Longhorn Dashboard",
"panels": [...]
}
- apiVersion: external-secrets.io/v1beta1
kind: ExternalSecret
metadata:
name: backup-credentials
spec:
refreshInterval: 1h
secretStoreRef:
name: vault-backend
kind: SecretStore
target:
name: longhorn-backup-secret
data:
- remoteRef:
key: secrets/data/backup
property: s3_access_key
secretKey: AWS_ACCESS_KEY_ID
实现原理
在Helm模板引擎中,extraObjects数组会被遍历处理,每个元素都会通过toYaml函数转换为标准的Kubernetes资源定义。这些资源会与Longhorn的核心组件一起被部署到指定命名空间。
技术实现上主要涉及:
- Helm模板中对range循环的使用
- Kubernetes资源定义的动态渲染
- 资源间的依赖关系管理
使用场景
这项改进特别适用于以下场景:
- 一体化部署:将Longhorn与其依赖的监控组件、配置资源一次性部署完成
- GitOps实践:在ArgoCD等GitOps工具中实现完全声明式的部署
- 环境标准化:确保不同环境中的Longhorn部署附带相同的辅助资源配置
- 自动化运维:与CI/CD流水线集成,减少人工干预环节
注意事项
虽然extraObjects提供了部署灵活性,但使用时仍需注意:
- 资源定义应符合Kubernetes规范
- 命名空间应与Longhorn部署保持一致(默认为longhorn-system)
- 避免定义与Longhorn核心组件冲突的资源
- 复杂资源建议先单独测试验证
验证方法
用户可以通过以下方式验证功能是否正常工作:
- 在values.yaml中添加测试用的ConfigMap定义
- 执行helm install/upgrade命令
- 使用kubectl检查资源是否被正确创建
- 验证资源是否按预期工作
示例测试用例:
extraObjects:
- apiVersion: v1
kind: ConfigMap
metadata:
name: test-config
namespace: longhorn-system
data:
test-key: test-value
总结
Longhorn通过引入extraObjects支持,显著提升了部署的灵活性和可扩展性。这一改进使得用户能够更好地将Longhorn集成到现有的基础设施中,实现真正的一键式部署体验。对于需要高度定制化环境的用户来说,这无疑是一个值得关注的重要特性。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
291
2.62 K
Ascend Extension for PyTorch
Python
123
149
暂无简介
Dart
582
127
React Native鸿蒙化仓库
JavaScript
227
306
仓颉编译器源码及 cjdb 调试工具。
C++
121
381
仓颉编程语言运行时与标准库。
Cangjie
130
394
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
610
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++
606
185
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
205