在Azure Red Hat OpenShift 4.3上创建集群的完整指南
2025-06-26 10:41:18作者:虞亚竹Luna
前言
Azure Red Hat OpenShift (ARO) 是微软与Red Hat合作提供的全托管OpenShift服务,它结合了OpenShift容器平台的优势与Azure云平台的强大功能。本文将详细介绍如何在ARO 4.3版本上创建集群,帮助开发者快速搭建企业级Kubernetes环境。
环境准备
1. 安装Azure CLI扩展
ARO 4.3目前处于预览阶段,需要安装专门的az aro扩展来管理集群:
az extension add -n aro --index https://az.aroapp.io/preview
若已安装旧版本,可执行更新命令:
az extension update -n aro --index https://az.aroapp.io/preview
2. 注册预览功能
使用前需注册资源提供程序:
az provider register -n Microsoft.RedHatOpenShift --wait
验证扩展是否安装成功:
az -v
输出中应包含aro扩展信息。
创建资源组
资源组是Azure中资源的逻辑容器,创建集群前需先建立资源组:
az group create --name aro-rg --location eastus
aro-rg为资源组名称eastus为Azure区域,可根据需求更改
网络配置
ARO集群需要特定的网络环境,包含两个专用子网。
1. 创建虚拟网络
az network vnet create \
--resource-group aro-rg \
--name aro-vnet \
--address-prefixes 10.0.0.0/8
2. 创建主节点子网
az network vnet subnet create \
--resource-group aro-rg \
--vnet-name aro-vnet \
--name master-subnet \
--address-prefixes 10.0.1.0/24 \
--service-endpoints Microsoft.ContainerRegistry
3. 创建工作节点子网
az network vnet subnet create \
--resource-group aro-rg \
--vnet-name aro-vnet \
--name worker-subnet \
--address-prefixes 10.1.0.0/20 \
--service-endpoints Microsoft.ContainerRegistry
4. 配置主节点子网
az network vnet subnet update \
--name master-subnet \
--resource-group aro-rg \
--vnet-name aro-vnet \
--disable-private-link-service-network-policies true
集群创建
基本创建命令
az aro create \
--resource-group aro-rg \
--name aro-cluster \
--vnet aro-vnet \
--master-subnet master-subnet \
--worker-subnet worker-subnet
集群创建通常需要约35分钟完成。
可选参数说明
-
自定义域名:使用
--domain参数指定自定义域名--domain foo.example.com- 启用自定义域名后需自行配置SSL证书
- 控制台URL将变为
https://console-openshift-console.apps.foo.example.com
-
Pull Secret:从Red Hat OpenShift集群管理器获取并添加
--pull-secret 'your_pull_secret_here'- 用于访问Red Hat容器镜像仓库
- 非必须但推荐配置
集群连接
1. 获取管理员凭据
az aro list-credentials \
--name aro-cluster \
--resource-group aro-rg
输出包含kubeadmin用户名和密码。
2. 获取控制台URL
az aro show \
--name aro-cluster \
--resource-group aro-rg \
--query "consoleProfile.url" -o tsv
3. 登录Web控制台
- 在浏览器中打开获取的控制台URL
- 使用
kubeadmin和获取的密码登录
4. 安装OpenShift CLI(oc)
可通过以下方式获取oc工具:
- 从Web控制台的"Command Line Tools"下载
- 从Red Hat镜像站点直接下载
在Azure Cloud Shell中安装Linux版CLI:
cd ~
wget https://mirror.openshift.com/pub/openshift-v4/clients/ocp/latest/openshift-client-linux.tar.gz
mkdir openshift
tar -zxvf openshift-client-linux.tar.gz -C openshift
echo 'export PATH=$PATH:~/openshift' >> ~/.bashrc && source ~/.bashrc
5. 使用CLI连接集群
获取API服务器地址:
apiServer=$(az aro show -g aro-rg -n aro-cluster --query apiserverProfile.url -o tsv)
使用oc命令登录:
oc login $apiServer -u kubeadmin -p <kubeadmin密码>
后续步骤
成功创建集群后,建议进行以下配置:
- 集成Azure Active Directory:配置企业级身份认证
- 设置持久化存储:配置Azure Disk或Azure File存储
- 部署监控方案:集成Azure Monitor或Prometheus
- 配置网络策略:细化集群网络访问控制
注意事项
- 预览版功能可能有所变化,生产环境使用前请评估稳定性
- 自定义域名需要自行管理SSL证书
- 确保子网配置正确,特别是主节点子网的私有链接策略
- 创建过程中如遇问题,可检查资源组的活动日志排查
通过本文的步骤,您已成功在Azure上部署了Red Hat OpenShift 4.3集群,为容器化应用提供了强大的运行平台。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143