Kubernetes kubeadm控制平面节点加入时广告地址配置问题解析
问题背景
在使用kubeadm部署高可用Kubernetes集群时,一个常见场景是配置多个控制平面节点并使用kube-vip实现高可用。在实际操作中,用户发现当第二个控制平面节点加入集群时,虽然明确指定了--apiserver-advertise-address参数,但最终生成的kube-apiserver清单文件中仍然使用了第一个控制平面节点的IP地址。
问题现象
用户配置了三个控制平面节点(IP分别为192.168.100.145、192.168.100.122和192.168.100.140),使用192.168.100.220作为kube-vip的虚拟IP。在第一个节点(192.168.100.145)上执行kubeadm init时,配置文件中设置了apiServer.extraArgs.advertise-address为该节点IP。
当第二个节点(192.168.100.122)执行kubeadm join命令并明确指定--apiserver-advertise-address=192.168.100.122时,虽然清单文件的annotations中正确记录了该节点的IP,但kube-apiserver容器的command参数中仍然使用了第一个节点的IP(192.168.100.145)。
问题原因
这个问题的根本原因在于ClusterConfiguration中的apiServer.extraArgs配置会应用于集群中的所有控制平面节点。当在kubeadm配置文件中设置了apiServer.extraArgs.advertise-address时,这个值会覆盖所有控制平面节点的广告地址配置,包括后续加入的节点。
正确配置方法
正确的做法是不要将advertise-address放在ClusterConfiguration.apiServer.extraArgs中,而应该使用以下两种配置方式:
- 对于初始节点(init),使用InitConfiguration.localAPIEndpoint:
localAPIEndpoint:
advertiseAddress: <节点IP>
bindPort: 6443
- 对于加入的控制平面节点(join),使用JoinConfiguration.controlPlane.localAPIEndpoint:
controlPlane:
localAPIEndpoint:
advertiseAddress: <节点IP>
bindPort: 6443
技术原理
kubeadm在设计上区分了集群范围的配置和节点特定的配置。ClusterConfiguration中的设置适用于整个集群,而InitConfiguration和JoinConfiguration中的设置则是节点特定的。广告地址(advertise address)属于节点特定的配置,因此应该放在localAPIEndpoint中而不是集群范围的extraArgs中。
最佳实践
- 对于多控制平面部署,不要在ClusterConfiguration中设置advertise-address
- 为每个控制平面节点单独配置其localAPIEndpoint
- 使用kube-vip等负载均衡方案时,确保controlPlaneEndpoint指向虚拟IP
- 在join命令中,可以通过配置文件而非命令行参数来指定节点特定配置
总结
理解kubeadm配置的分层结构对于正确部署Kubernetes集群至关重要。集群范围的配置和节点特定的配置应该放在正确的位置,避免因配置位置不当导致预期外的行为。在多控制平面部署场景下,特别注意广告地址等节点特定参数的配置方式,确保每个控制平面节点都能正确宣告自己的网络位置。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00