Ansible AWX Operator 基础安装指南
前言
Ansible AWX Operator 是一个 Kubernetes Operator,用于在 Kubernetes 集群上部署和管理 AWX(Ansible Web eXecution)实例。AWX 是 Ansible Tower 的开源版本,提供了一个基于 Web 的用户界面、REST API 和任务引擎,使 Ansible 更加易于使用。
本文将详细介绍如何使用 AWX Operator 在 Kubernetes 集群上进行基础安装。
准备工作
1. 获取 AWX Operator 代码
首先需要获取 AWX Operator 的代码仓库。建议选择特定的版本标签进行安装,以确保稳定性。
git clone <awx-operator仓库地址>
cd awx-operator
git tag
git checkout tags/<版本号> # 例如 tags/2.7.2
2. 设置版本环境变量
如果你是从 fork 的仓库工作并且对代码进行了修改,必须设置 VERSION 环境变量:
export VERSION=<版本号> # 例如 export VERSION=2.7.2
部署 AWX Operator
1. 使用 Kustomize 部署
Kustomize 是一个 Kubernetes 原生配置管理工具,从 kubectl 1.14 版本开始已内置支持。
最简单的方式是使用提供的 make 目标:
make deploy
如果你构建了自定义的 Operator 镜像,可以这样指定:
IMG=<你的镜像仓库>/awx-operator:<你的标签> make deploy
2. 手动创建 Kustomization 文件
或者,你也可以手动创建 kustomization.yaml 文件:
apiVersion: kustomize.config.k8s.io/v1beta1
kind: Kustomization
resources:
- <awx-operator配置路径>?ref=<版本号>
images:
- name: quay.io/ansible/awx-operator
newTag: <版本号>
namespace: awx
3. 应用配置
应用配置以部署 Operator:
kubectl apply -k .
等待片刻后,检查 Operator 是否正常运行:
kubectl get pods -n awx
4. 设置默认命名空间
为方便后续操作,可以设置默认命名空间:
kubectl config set-context --current --namespace=awx
部署 AWX 实例
1. 创建 AWX 实例配置文件
创建一个 awx-demo.yml 文件定义 AWX 实例:
apiVersion: awx.ansible.com/v1beta1
kind: AWX
metadata:
name: awx-demo
spec:
service_type: nodeport
对于 OpenShift 环境,可以使用 Route:
apiVersion: awx.ansible.com/v1beta1
kind: AWX
metadata:
name: awx-demo
spec:
service_type: clusterip
ingress_type: Route
2. 更新 Kustomization
将新创建的 AWX 实例配置添加到 kustomization.yaml:
resources:
- <awx-operator配置路径>?ref=<版本号>
- awx-demo.yml
3. 部署 AWX 实例
应用配置以创建 AWX 实例:
kubectl apply -k .
验证部署
1. 检查资源状态
查看创建的 Pod 和服务:
kubectl get pods -l "app.kubernetes.io/managed-by=awx-operator"
kubectl get svc -l "app.kubernetes.io/managed-by=awx-operator"
2. 查看 Operator 日志
监控部署进度:
kubectl logs -f deployments/awx-operator-controller-manager -c awx-manager
3. 访问 AWX
部署完成后,AWX 将通过 NodePort 服务暴露。访问地址通常是:
http://localhost:<分配的NodePort>/
4. 获取管理员密码
默认管理员用户是 admin,密码存储在 Secret 中:
kubectl get secret awx-demo-admin-password -o jsonpath="{.data.password}" | base64 --decode ; echo
注意事项
- 版本一致性:确保 Operator 版本与 AWX 实例配置兼容
- 资源限制:生产环境应考虑设置适当的资源限制
- 持久化存储:默认配置可能不适合生产环境,应考虑配置持久化存储
- 高可用性:对于生产环境,应考虑配置高可用选项
- 网络配置:不同 Kubernetes 发行版可能需要不同的网络配置
结语
通过以上步骤,你已经成功在 Kubernetes 集群上部署了一个基本的 AWX 实例。这为后续的自动化运维工作奠定了基础。对于生产环境,建议进一步研究安全配置、持久化存储和高可用性等高级主题。
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