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
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。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
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!Kotlin08
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
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
341
405
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178