MicroK8s在MacOS上的远程访问配置指南
背景介绍
MicroK8s是Canonical推出的轻量级Kubernetes发行版,特别适合本地开发和测试环境。在MacOS系统上,MicroK8s通过Multipass创建一个Ubuntu虚拟机来运行Kubernetes集群。默认情况下,这个集群只能从宿主机本地访问,但很多开发者需要从同一网络的其他机器访问这个集群。
网络架构分析
在MacOS上,MicroK8s通过Multipass创建的网络环境具有以下特点:
- 主机的WiFi接口(en0)通常分配了类似192.168.50.x的IP地址
- Multipass会创建一个桥接网络(bridge100),默认使用192.168.64.0/24网段
- MicroK8s虚拟机在这个桥接网络中获取IP地址(如192.168.64.2)
这种架构导致外部机器无法直接访问MicroK8s集群,因为它们位于不同的网络段。
解决方案
方法一:添加静态路由
这是最简单直接的解决方案,适用于大多数家庭或办公网络环境。
-
在需要访问MicroK8s集群的远程机器上执行:
sudo ip route add 192.168.64.0/24 via <MacOS主机的IP>例如:
sudo ip route add 192.168.64.0/24 via 192.168.50.111 -
修改kubeconfig文件中的server地址为MicroK8s虚拟机的IP(192.168.64.2)
优点:配置简单,不需要修改MicroK8s或Multipass的配置 缺点:需要在每台需要访问的机器上配置路由
方法二:为Multipass虚拟机添加额外网络接口
这种方法让MicroK8s虚拟机同时存在于主机网络和桥接网络中。
-
停止MicroK8s虚拟机:
multipass stop microk8s-vm -
编辑Multipass虚拟机配置,添加主机网络接口
-
启动虚拟机后,它会获取一个主机网络的IP地址
-
使用这个新IP地址更新kubeconfig
优点:虚拟机可以直接从外部网络访问 缺点:需要修改虚拟机配置,可能影响网络稳定性
方法三:端口转发
在MacOS主机上设置端口转发规则:
-
使用pfctl或其他工具设置从主机端口到MicroK8s API端口(16443)的转发
-
外部机器可以通过主机的IP和转发端口访问集群
优点:不需要修改远程机器配置 缺点:需要维护端口转发规则
最佳实践建议
对于大多数开发场景,推荐使用第一种静态路由方案,因为:
- 它不会改变MicroK8s的默认网络配置
- 只需要在需要访问的机器上配置一次
- 不会引入额外的网络复杂性
对于生产环境或需要长期稳定的场景,可以考虑第二种方案,但要注意网络配置的持久化问题。
注意事项
- 确保MacOS主机的防火墙允许相关端口的通信
- 如果使用WiFi网络,注意IP地址可能会变化
- 在多节点环境中,需要确保所有节点间的网络连通性
- 考虑使用kubectl的context功能来管理不同环境的配置
通过以上方法,开发者可以轻松实现从局域网内其他机器访问MacOS上运行的MicroK8s集群,大大提高开发协作效率。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00