KubePi 在本地 k3s 集群中的数据持久化解决方案
问题背景
在使用 KubePi 管理本地 k3s 集群时,许多用户会遇到一个常见问题:当集群重启后,KubePi 中的所有配置和数据都会丢失。这是因为默认情况下,KubePi 将数据存储在容器内部的 /var/lib/kubepi/db 目录中,而容器重启后这些临时存储的数据就会消失。
问题分析
KubePi 作为 Kubernetes 集群的管理工具,会存储以下重要数据:
- 集群连接配置
- 用户权限设置
- 操作历史记录
- 其他管理相关数据
这些数据默认存储在容器内部,不具备持久性。对于生产环境或需要长期使用的场景,这种设计显然不能满足需求。
解决方案
要实现 KubePi 数据的持久化,我们需要使用 Kubernetes 的持久化存储机制。具体来说,就是为 KubePi 的 Deployment 挂载一个 PersistentVolumeClaim (PVC),将数据目录映射到持久化存储上。
实现步骤
- 创建持久化存储声明(PVC)
首先需要创建一个 PVC,指定存储大小和访问模式。对于本地 k3s 集群,可以使用local-path存储类:
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
name: kubepi-db-pvc
spec:
accessModes:
- ReadWriteOnce
storageClassName: local-path
resources:
requests:
storage: "1Gi"
- 修改 KubePi Deployment
在原有的 Deployment 配置中,添加对 PVC 的挂载:
apiVersion: apps/v1
kind: Deployment
metadata:
name: kubepi
spec:
template:
spec:
containers:
- name: kubepi
volumeMounts:
- name: kubepi-db-pvc
mountPath: /var/lib/kubepi/db
volumes:
- name: kubepi-db-pvc
persistentVolumeClaim:
claimName: kubepi-db-pvc
- 完整配置示例
结合上述两部分,完整的 KubePi 持久化部署配置如下:
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
name: kubepi-db-pvc
spec:
accessModes:
- ReadWriteOnce
storageClassName: local-path
resources:
requests:
storage: "1Gi"
---
apiVersion: apps/v1
kind: Deployment
metadata:
name: kubepi
labels:
name: kubepi
spec:
replicas: 1
selector:
matchLabels:
name: kubepi
strategy:
rollingUpdate:
maxSurge: 1
maxUnavailable: 0
type: RollingUpdate
template:
metadata:
labels:
name: kubepi
spec:
containers:
- name: kubepi
image: 1panel/kubepi:v1.7.0
imagePullPolicy: IfNotPresent
ports:
- containerPort: 80
protocol: TCP
name: http
volumeMounts:
- mountPath: /etc/localtime
name: time
readOnly: true
- name: kubepi-db-pvc
mountPath: /var/lib/kubepi/db
volumes:
- name: time
hostPath:
path: /etc/localtime
- name: kubepi-db-pvc
persistentVolumeClaim:
claimName: kubepi-db-pvc
---
apiVersion: v1
kind: Service
metadata:
name: kubepi-svc
labels:
name: kubepi
spec:
selector:
name: kubepi
type: ClusterIP
ports:
- port: 80
targetPort: 80
技术要点解析
-
存储类选择
在本地 k3s 集群中,local-path是最常用的存储类,它会在节点上创建本地存储。对于生产环境,建议使用更可靠的存储方案,如 NFS 或云存储。 -
访问模式
ReadWriteOnce表示该卷可以被单个节点以读写方式挂载。对于单副本部署的 KubePi,这种模式完全够用。 -
存储大小
KubePi 的数据量通常不大,1Gi 的存储空间已经足够。如果管理大量集群或有大量操作记录,可以适当增加。 -
时区同步
配置中包含了/etc/localtime的挂载,确保容器内时间与宿主机一致。
验证与测试
部署完成后,可以通过以下步骤验证持久化是否生效:
- 登录 KubePi 并添加一些配置
- 删除 KubePi 的 Pod 让其自动重建
- 重新登录 KubePi,检查之前的配置是否仍然存在
如果一切正常,即使完全重启 k3s 集群,KubePi 中的数据也会得到保留。
总结
通过为 KubePi 配置持久化存储,我们解决了集群重启导致数据丢失的问题。这种方案不仅适用于本地 k3s 集群,稍作修改后也可以应用于各种 Kubernetes 环境。关键点在于正确配置 PVC 并将其挂载到 KubePi 的数据目录。
对于不同的 Kubernetes 环境,只需要调整存储类(storageClassName)和访问模式即可。生产环境中,建议使用网络存储方案以获得更好的可靠性和可扩展性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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
HunyuanVideo-1.5暂无简介00
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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