Apache DolphinScheduler在Kubernetes中运行Docker容器的解决方案
Apache DolphinScheduler作为一款优秀的分布式工作流任务调度系统,支持多种部署方式。在实际生产环境中,用户可能会遇到将Docker运行方式迁移到Kubernetes环境时的配置问题。
问题背景
当用户尝试在Kubernetes环境中运行DolphinScheduler的API服务容器时,可能会遇到"unresolved namespace"的错误提示。这种情况通常发生在直接使用Docker运行命令迁移到Kubernetes部署时,而没有充分考虑Kubernetes环境的特殊性。
问题分析
在Kubernetes环境中,DolphinScheduler默认会尝试与Kubernetes API进行交互,这是因为它内置了Spring Cloud Kubernetes的集成功能。当检测到运行在Kubernetes环境中时,系统会自动尝试获取命名空间等信息。如果这些信息未正确配置,就会导致"unresolved namespace"错误。
解决方案
针对这一问题,有两种主要的解决思路:
-
完全禁用Kubernetes集成:通过设置环境变量
SPRING_CLOUD_KUBERNETES_ENABLED=false,可以彻底关闭Spring Cloud Kubernetes的自动配置功能。这种方式适合那些不需要Kubernetes服务发现和配置功能的场景。 -
正确配置Kubernetes集成:如果确实需要使用Kubernetes的服务发现等功能,则需要确保:
- 正确设置命名空间
- 配置适当的RBAC权限
- 确保Pod能够访问Kubernetes API
最佳实践建议
对于大多数从Docker迁移到Kubernetes的用户,建议采用以下配置方式:
env:
- name: SPRING_CLOUD_KUBERNETES_ENABLED
value: "false"
- name: DATABASE
value: "postgresql"
- name: SPRING_DATASOURCE_URL
value: "jdbc:postgresql://postgres:5432/dolphinscheduler"
- name: SPRING_DATASOURCE_USERNAME
value: "<USER>"
- name: SPRING_DATASOURCE_PASSWORD
value: "<PASSWORD>"
- name: REGISTRY_ZOOKEEPER_CONNECT_STRING
value: "zookeeper:2181"
总结
在将Apache DolphinScheduler从Docker环境迁移到Kubernetes时,理解其与Kubernetes的集成机制非常重要。通过合理配置环境变量,可以灵活控制是否启用Kubernetes特有的功能。对于不需要这些高级功能的用户,简单的禁用Kubernetes集成是最直接有效的解决方案。
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