Helm中基于节点亲和性部署多DaemonSet的最佳实践
2025-05-06 10:12:18作者:廉彬冶Miranda
概述
在Kubernetes集群管理实践中,我们经常需要根据不同的节点亲和性(Node Affinity)规则部署多个DaemonSet资源。这些DaemonSet可能仅在镜像版本或少量配置参数上存在差异,但需要运行在不同特性的节点上。本文将深入探讨使用Helm管理这类场景的几种实现方案及其优劣比较。
方案分析与比较
方案一:多YAML文件直接部署
实现方式:为每个DaemonSet创建独立的YAML清单文件。
优点:
- 实现简单直接
- 各DaemonSet配置完全独立,清晰明了
缺点:
- 缺乏可扩展性,新增DaemonSet需要修改Chart结构
- 配置重复率高,维护成本随数量增加而上升
- 不符合Helm的"配置即代码"理念
方案二:多次Helm安装
实现方式:拆分Chart为多个子Chart,分别安装。
优点:
- 各DaemonSet配置完全隔离
- 可以针对不同环境进行独立升级
缺点:
- 需要维护多个Chart仓库,增加管理复杂度
- 共享资源(如ConfigMap)难以统一管理
- 安装过程繁琐,需要多次执行helm install
方案三:使用Helm模板循环
实现方式:在values.yaml中定义DaemonSet集合,通过range循环生成资源。
示例values.yaml结构:
daemonSets:
ds1:
image: nginx:1.23
nodeSelector:
disktype: ssd
ds2:
image: nginx:1.24
nodeSelector:
env: production
模板实现:
{{- range $name, $config := .Values.daemonSets }}
apiVersion: apps/v1
kind: DaemonSet
metadata:
name: {{ $name }}
spec:
template:
spec:
containers:
- name: main
image: {{ $config.image }}
nodeSelector: {{ toYaml $config.nodeSelector | nindent 8 }}
{{- end }}
优点:
- 高度可扩展,新增DaemonSet只需添加values配置
- 配置集中管理,便于维护
- 符合Helm的最佳实践
缺点:
- values.yaml结构可能变得复杂
- 需要合理设计模板以避免过度抽象
进阶优化策略
配置合并技术
对于共享大量公共配置的场景,可以采用Helm的merge函数合并基础配置和差异化配置:
{{- $baseConfig := .Values.daemonSetBase }}
{{- range $name, $overrides := .Values.daemonSets }}
{{- $config := merge $overrides $baseConfig }}
apiVersion: apps/v1
kind: DaemonSet
metadata:
name: {{ $name }}
spec:
template:
spec:
containers:
- name: main
image: {{ $config.image }}
resources: {{ toYaml $config.resources | nindent 10 }}
nodeSelector: {{ toYaml $config.nodeSelector | nindent 8 }}
{{- end }}
命名模板的应用
对于复杂的DaemonSet定义,可以使用Helm的命名模板(_helpers.tpl)来封装重复逻辑:
{{- define "mychart.daemonSet" -}}
apiVersion: apps/v1
kind: DaemonSet
metadata:
name: {{ .name }}
spec:
template:
spec:
containers:
- name: main
image: {{ .image }}
{{- with .resources }}
resources: {{ toYaml . | nindent 10 }}
{{- end }}
{{- with .nodeSelector }}
nodeSelector: {{ toYaml . | nindent 8 }}
{{- end }}
{{- end -}}
决策建议
- 少量固定DaemonSet:采用方案一,保持简单性
- 动态数量或频繁变更:优先选择方案三,具有良好的扩展性
- 高度定制化需求:考虑方案二,但需评估维护成本
在实际项目中,方案三结合配置合并和命名模板的技术,能够在保持配置简洁的同时提供最大的灵活性,是大多数场景下的推荐做法。
总结
Helm作为Kubernetes的包管理工具,其模板功能为解决多DaemonSet部署问题提供了优雅的解决方案。通过合理设计values.yaml结构和模板逻辑,我们可以在保持配置可维护性的同时,满足复杂的节点亲和性部署需求。关键在于找到抽象程度和可读性之间的平衡点,既避免过度重复,又不至于使模板过于复杂而难以理解。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0218
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0140
uni-appA cross-platform framework using Vue.jsJavaScript09
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
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
471
466
deepin linux kernel
C
32
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
2.09 K
218
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
700
1.4 K
暂无描述
Dockerfile
780
5.08 K
Ascend Extension for PyTorch
Python
758
968
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
272
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
880
2.02 K
MindQuantum is a general software library supporting the development of applications for quantum computation.
Python
183
112
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.11 K
682