Calico IPAM 负载均衡器 IPv6 支持配置指南
背景介绍
在 Kubernetes 环境中,Calico 提供了内置的 IP 地址管理(IPAM)功能,可以作为 MetalLB 等外部负载均衡方案的替代方案。特别是在 BGP 模式下,Calico 能够自动分配 IP 地址并通过 BGP 协议向网络设备宣告这些地址。
问题现象
用户在使用 Calico v3.30 版本时发现,虽然 IPv4 的负载均衡器 IP 能够成功分配并通过 BGP 宣告到路由器,但 IPv6 地址却未能正常分配和宣告。这导致双栈(IPv4/IPv6)环境下的服务无法通过 IPv6 访问。
根本原因分析
通过排查发现,问题并非出在 Calico 的 IPAM 功能本身,而是 Kubernetes Service 的配置不完整。要使 Calico IPAM 同时分配 IPv4 和 IPv6 地址,必须显式地在 Service 资源中指定双栈策略。
解决方案
1. 配置 IP 地址池
首先需要为 IPv4 和 IPv6 分别创建 IP 地址池:
apiVersion: projectcalico.org/v3
kind: IPPool
metadata:
name: loadbalancer-ip-pool-ipv4
spec:
cidr: 192.210.0.0/24
blockSize: 29
natOutgoing: true
disabled: false
assignmentMode: Automatic
allowedUses:
- LoadBalancer
apiVersion: projectcalico.org/v3
kind: IPPool
metadata:
name: loadbalancer-ip-pool-ipv6
spec:
cidr: "fd00:10:0:0::/64"
blockSize: 122
natOutgoing: true
disabled: false
assignmentMode: Automatic
allowedUses:
- LoadBalancer
2. 正确配置 Service 资源
关键步骤是在 Service 定义中明确指定双栈策略:
apiVersion: v1
kind: Service
metadata:
name: nginx-calico
namespace: default
spec:
externalTrafficPolicy: Local
selector:
app: private
ports:
- protocol: TCP
port: 80
targetPort: 8080
type: LoadBalancer
ipFamilyPolicy: RequireDualStack
ipFamilies:
- IPv4
- IPv6
配置说明
-
ipFamilyPolicy:这个字段有三个可选值:
SingleStack:仅使用单一 IP 协议族PreferDualStack:优先使用双栈,但不强制RequireDualStack:必须使用双栈,否则服务将无法创建
-
ipFamilies:明确指定要使用的 IP 协议族及其优先级顺序
验证方法
配置完成后,可以通过以下命令检查 Service 的状态:
kubectl get svc nginx-calico -o yaml
在输出中应该能看到类似如下的状态信息,表明 IPv4 和 IPv6 地址都已成功分配:
status:
loadBalancer:
ingress:
- ip: 192.210.0.82
ipMode: VIP
- ip: fd00:10::1234
ipMode: VIP
总结
Calico 的 IPAM 功能完全支持 IPv6 负载均衡器 IP 分配,但在使用时需要注意正确配置 Kubernetes Service 的双栈策略。通过合理配置 ipFamilyPolicy 和 ipFamilies 字段,可以确保服务同时获得 IPv4 和 IPv6 地址,实现真正的双栈支持。
对于从 MetalLB 迁移到 Calico IPAM 的用户来说,这一配置细节尤为重要,可以避免因 IPv6 地址分配失败而导致的网络连通性问题。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00