Kubeblocks Addons中Helm资源保留策略的全局配置优化
2025-06-30 04:56:40作者:殷蕙予
在Kubernetes生态中,Helm作为主流的包管理工具,其资源管理策略直接影响着应用的生命周期管理。Kubeblocks作为云原生数据库管理平台,其Addons系统通过Helm Chart提供扩展能力。近期项目针对Helm资源保留策略进行了重要优化,通过全局配置实现了更优雅的资源管理方式。
背景与挑战
当使用Helm管理Kubernetes资源时,默认情况下执行helm uninstall会删除所有关联资源。但在实际生产环境中,某些资源(如PersistentVolume、ConfigMap等)往往需要在应用卸载后保留,以确保数据安全或配置持久化。
传统做法需要为每个资源单独添加helm.sh/resource-policy: keep注解,这种方式存在两个主要问题:
- 维护成本高:需要在多个资源文件中重复添加相同注解
- 容易遗漏:开发者可能忘记为关键资源添加保留策略
解决方案设计
Kubeblocks Addons通过Helm Values文件实现了全局资源保留策略配置。该方案的核心设计包括:
- 统一配置入口:在values.yaml中新增
global.resourcePolicy字段 - 模板化注入:通过Helm模板引擎自动为所有资源添加保留注解
- 细粒度控制:支持资源级别的策略覆盖
典型配置示例:
global:
resourcePolicy: keep
技术实现细节
在Helm模板中,通过range遍历所有资源并注入注解:
{{- define "common.annotations" }}
{{- if .Values.global.resourcePolicy }}
helm.sh/resource-policy: {{ .Values.global.resourcePolicy }}
{{- end }}
{{- end }}
{{- range $resource := .Resources }}
apiVersion: {{ $resource.apiVersion }}
kind: {{ $resource.kind }}
metadata:
annotations:
{{- include "common.annotations" $ | nindent 4 }}
...
{{- end }}
这种实现方式带来了三大优势:
- 维护简便:只需修改一处配置即可影响所有资源
- 向后兼容:不影响现有单独配置的资源策略
- 灵活可控:可通过资源特定配置覆盖全局策略
最佳实践建议
基于该特性,推荐以下使用方式:
- 生产环境配置:建议全局设置为keep,确保关键资源不被误删
- 开发环境配置:可根据需要关闭保留策略,方便快速清理
- 混合策略管理:对PV等重要资源保持独立配置,其他资源继承全局设置
未来演进方向
该优化为Kubeblocks Addons的资源管理奠定了良好基础,后续可考虑:
- 支持更复杂的策略条件(如基于资源类型的策略)
- 实现策略的版本化管理
- 与Kubeblocks的备份恢复系统深度集成
通过这次优化,Kubeblocks Addons在资源生命周期管理方面迈出了重要一步,为云原生数据库管理提供了更可靠的基础设施保障。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781