在AWS Load Balancer Controller中配置NLB非标准端口的实践指南
2025-06-16 18:59:07作者:范垣楠Rhoda
背景介绍
AWS Load Balancer Controller是Kubernetes生态中管理AWS负载均衡器的重要组件。在实际生产环境中,我们经常遇到需要让网络负载均衡器(NLB)监听非标准端口(如7777、7778)的特殊需求。这种情况通常源于企业网络架构限制或安全合规要求。
核心问题分析
通过社区issue分析,开发者遇到的主要挑战是:
- 无法通过标准配置让NLB监听指定非标准端口
- 手动创建的监听器会被控制器自动移除
- 缺乏明确的文档说明如何实现这一需求
这与ALB的配置体验形成对比,后者通过alb.ingress.kubernetes.io/listen-ports注解可以轻松实现端口定制。
技术解决方案
正确的Service配置方法
要实现NLB监听非标准端口,关键在于正确配置Service资源。以下是经过验证的有效配置示例:
apiVersion: v1
kind: Service
metadata:
name: custom-port-service
annotations:
service.beta.kubernetes.io/aws-load-balancer-type: external
service.beta.kubernetes.io/aws-load-balancer-scheme: internet-facing
service.beta.kubernetes.io/aws-load-balancer-nlb-target-type: ip
spec:
type: LoadBalancer
selector:
app: nginx
ports:
- name: custom-port-1
port: 7777 # NLB监听端口
targetPort: 80 # 容器实际端口
- name: custom-port-2
port: 7778
targetPort: 80
关键配置说明
- port字段:指定NLB对外暴露的监听端口
- targetPort字段:对应Pod内容器实际监听的端口
- 注解配置:必须明确指定使用NLB(external类型)和ip目标类型
实现原理
AWS Load Balancer Controller会:
- 解析Service的ports配置
- 自动创建对应端口的NLB监听器
- 将监听器与指定的目标组关联
- 维护监听器状态与Service配置的一致性
常见误区
- 错误地尝试使用ALB的注解配置NLB
- 混淆port和targetPort的概念
- 遗漏必要的annotations配置
- 手动修改NLB配置导致与控制器管理冲突
最佳实践建议
- 始终通过Service资源定义端口配置
- 避免手动修改AWS控制台上的NLB配置
- 测试时先使用小规模部署验证配置
- 监控NLB的健康检查状态
- 考虑结合NetworkPolicy加强安全控制
总结
通过正确配置Service资源,开发者可以灵活地让AWS Load Balancer Controller管理的NLB监听任意指定端口。这种方法既保持了基础设施即代码的优势,又能满足特殊场景下的网络架构需求。理解Kubernetes Service与AWS NLB的映射关系是解决此类问题的关键。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0202
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
746
927
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
1.02 K
267
暂无描述
Dockerfile
771
5.03 K
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++
867
1.97 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
70
22
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
1.94 K
202
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++
694
1.36 K
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
465
456
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
458
5.25 K