Kubernetes部署实战:解析guestbook-service的Deployment配置
2025-07-10 23:03:55作者:薛曦旖Francesca
前言
在云原生应用开发中,Kubernetes已经成为容器编排的事实标准。本文将以saturnism/docker-kubernetes-by-example-java项目中的guestbook-service部署配置为例,深入剖析一个典型的Java应用在Kubernetes中的部署方式。
Deployment配置解析
基础配置部分
apiVersion: apps/v1
kind: Deployment
metadata:
name: guestbook-service
labels:
app: guestbook-service
visualize: "true"
- apiVersion: 指定使用的Kubernetes API版本,这里使用apps/v1,这是Deployment资源的稳定版本
- kind: 资源类型为Deployment,表示这是一个部署控制器
- metadata: 包含部署的元数据,其中name是必填项,labels用于标识和组织资源
副本与选择器配置
spec:
replicas: 2
selector:
matchLabels:
app: guestbook-service
serving: "true"
- replicas: 设置Pod副本数为2,确保应用的高可用性
- selector: 定义如何选择Pod,这里匹配带有app=guestbook-service和serving=true标签的Pod
Pod模板配置
template:
metadata:
labels:
app: guestbook-service
version: "latest"
serving: "true"
visualize: "true"
annotations:
visualizer/uses: mysql
- labels: 为Pod添加标签,包含应用名称、版本等信息
- annotations: 添加注释信息,这里表明该服务使用MySQL数据库
容器配置
spec:
containers:
- name: guestbook-service
image: saturnism/guestbook-service:latest
readinessProbe:
httpGet:
path: /actuator/health
port: 8080
resources:
limits:
cpu: 2000m
memory: 2Gi
requests:
cpu: 1000m
memory: 1Gi
ports:
- name: http
containerPort: 8080
核心配置
- image: 指定容器镜像为saturnism/guestbook-service:latest
- ports: 暴露容器的8080端口,命名为http
健康检查
- readinessProbe: 配置就绪探针,通过HTTP GET请求/actuator/health端点检查应用是否就绪
- 这是Spring Boot Actuator提供的健康检查端点
- 确保只有健康的Pod才会接收流量
资源限制
- resources: 定义容器的资源请求和限制
- requests: 容器启动时请求的资源量(cpu: 1核,内存: 1GB)
- limits: 容器可使用的最大资源量(cpu: 2核,内存: 2GB)
- 这种配置方式有助于集群资源调度和防止单个Pod占用过多资源
最佳实践分析
-
标签策略:使用了多维度标签(app, version, serving等),便于后续的监控、日志收集和服务发现
-
健康检查:配置了readinessProbe,确保流量只会路由到已就绪的Pod实例
-
资源管理:同时设置了requests和limits,既保证了Pod的资源需求,又防止了资源过度使用
-
版本控制:虽然使用了latest标签,但在生产环境中建议使用具体版本号
-
高可用:通过replicas: 2确保至少有两个Pod实例运行
部署建议
-
在生产环境中,建议:
- 使用具体的镜像版本而非latest
- 根据实际负载调整replicas数量
- 配置livenessProbe以检测应用是否存活
-
可以结合Horizontal Pod Autoscaler(HPA)实现自动扩缩容
-
考虑添加PodDisruptionBudget以确保在维护期间保持最小可用实例数
总结
这份guestbook-service的Deployment配置展示了如何在Kubernetes中部署一个Java应用的最佳实践。通过合理的资源配置、健康检查和标签管理,可以确保应用在Kubernetes集群中稳定运行。理解这些配置项的含义和原理,有助于开发者更好地设计和管理自己的云原生应用。
登录后查看全文
热门项目推荐
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
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
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
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1