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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









