Rancher Local Path Provisioner动态存储配置实践:基于节点亲和性的PVC挂载
背景与问题场景
在使用Kubernetes集群时,动态存储供应是常见的需求。Rancher提供的local-path-provisioner作为轻量级本地存储方案,特别适合边缘计算或开发测试环境。但在实际使用中,当我们需要结合节点亲和性(Node Affinity)实现动态存储供应时,可能会遇到存储卷无法自动创建的典型问题。
核心问题分析
从问题描述中可以看到,用户尝试在k3s集群中实现以下目标:
- 通过节点标签(local-storage=enabled)选择特定节点
- 将节点的/tmp/blah目录通过动态供应的方式挂载到Pod中
- 使用StorageClass和PVC实现这一过程
但出现了Pod和PVC互相等待的"死锁"状态:
- Pod状态为Pending,等待PVC绑定
- PVC状态为Pending,等待PV创建
关键配置解析
1. StorageClass配置要点
apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
name: local-storage-class
provisioner: rancher.io/local-path
parameters:
fsType: ext4
reclaimPolicy: Retain
volumeBindingMode: WaitForFirstConsumer
这里有几个关键参数值得注意:
volumeBindingMode: WaitForFirstConsumer:这是实现节点亲和性的关键,它延迟了存储绑定直到Pod被调度reclaimPolicy: Retain:确保PV删除后数据保留,适合生产环境
2. ConfigMap配置
local-path-provisioner通过ConfigMap定义节点路径映射:
data:
config.json: |-
{
"nodePathMap":[
{
"node":"dell5000",
"paths":["/tmp/blah"]
}
]
}
这里明确定义了特定节点(dell5000)上可用的存储路径。
3. PVC配置优化
原始配置中使用了ReadWriteOnce访问模式,但更精确的解决方案是使用ReadWriteOncePod:
accessModes:
- ReadWriteOncePod
这是Kubernetes 1.22+引入的新模式,确保卷只能被单个Pod独占访问,更符合本地存储的使用场景。
解决方案实现
1. 节点准备
首先确保目标节点有正确的标签:
kubectl label nodes dell5000 local-storage=enabled
2. 存储资源配置
创建包含以下关键元素的存储资源配置:
- 正确的StorageClass定义
- 精确的ConfigMap路径映射
- 使用ReadWriteOncePod的PVC
3. 工作负载配置
在Deployment中需要明确指定节点亲和性:
affinity:
nodeAffinity:
requiredDuringSchedulingIgnoredDuringExecution:
nodeSelectorTerms:
- matchExpressions:
- key: local-storage
operator: In
values:
- enabled
经验总结
-
访问模式选择:对于本地存储,
ReadWriteOncePod比传统的ReadWriteOnce更精确,能避免潜在的访问冲突。 -
绑定时机控制:
WaitForFirstConsumer模式对于有节点亲和性要求的存储供应至关重要,它确保调度器先选择节点再创建存储。 -
路径权限管理:确保ConfigMap中指定的主机路径存在且有适当权限,否则provisioner可能无法创建卷。
-
调试技巧:当PVC处于Pending状态时,可通过
kubectl describe pvc查看事件日志,通常会显示具体等待原因。
进阶建议
对于生产环境,还应考虑:
- 设置资源限制,防止单个Pod占用过多本地存储
- 实现存储监控,跟踪本地存储使用情况
- 考虑使用Local PersistentVolume替代方案,对于固定需求的场景可能更合适
通过以上配置和优化,可以可靠地在Rancher local-path-provisioner中实现基于节点亲和性的动态存储供应,满足特定业务场景的需求。
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