Longhorn项目中通过extraObjects扩展自定义资源部署
2025-06-01 02:20:55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
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 StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
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 K
1.01 K
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
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude 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 Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.67 K
987