Kubespray项目中kubelet-csr-approver组件的离线部署方案解析
2025-05-13 05:41:46作者:侯霆垣
在生产环境中,由于网络安全策略的限制,很多企业无法直接从外部Helm仓库获取应用部署包。本文将以Kubespray项目中kubelet-csr-approver组件的部署为例,详细介绍一种可行的离线部署方案。
背景与挑战
kubelet-csr-approver是Kubernetes集群中负责自动批准kubelet证书签名请求(CSR)的关键组件。在标准部署流程中,Kubespray会通过Helm从官方仓库拉取该组件。然而在严格隔离的生产环境中,这种在线获取方式往往无法实施。
离线部署方案设计
1. 构建本地Helm仓库
首先需要建立一个内部托管的Helm仓库服务器。推荐使用Nginx搭建简单的文件服务器,该方案具有以下优势:
- 轻量级且易于维护
- 支持HTTPS安全访问
- 可与其他内部服务共享基础设施
2. 资源准备
需要收集以下资源并上传至内部仓库:
- Helm客户端二进制包(对应操作系统和架构版本)
- kubelet-csr-approver的Helm chart包
- 配套的index.yaml索引文件
3. 配置调整
在Kubespray配置中需要进行以下关键设置:
helm_download_url: "{{内部仓库地址}}/helm-{{版本}}-linux-{{架构}}.tar.gz"
helm_repo: "{{内部仓库地址}}/helm"
kubelet_csr_approver_repository_url: "{{ helm_repo }}"
4. 证书管理
为确保安全通信,必须:
- 为内部仓库配置有效的TLS证书
- 确保所有集群节点信任该证书链
- 定期轮换证书
实施注意事项
- 版本控制:严格保持离线仓库中组件版本与Kubespray要求的版本一致
- 依赖管理:需要同时下载并托管所有依赖的charts
- 更新机制:建立定期同步机制,确保安全更新能及时应用到离线环境
- 备份策略:对内部Helm仓库实施定期备份
方案优势
该离线部署方案具有以下特点:
- 完全符合企业安全合规要求
- 部署过程可重复、可验证
- 与标准Kubespray部署流程保持兼容
- 便于后续扩展其他组件的离线部署
通过这种方案,企业可以在满足严格网络安全要求的同时,保持Kubernetes集群部署的标准化和自动化。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217