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。
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
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01