KubePi 数据持久化配置指南
2025-06-28 13:28:13作者:平淮齐Percy
问题背景
在使用 KubePi 管理本地 k3s 集群时,用户发现当集群重启后,KubePi 中的所有配置数据都会丢失。这是因为默认部署方式下,KubePi 的数据存储在容器内部,没有进行持久化处理。
解决方案
KubePi 的数据默认存储在 /var/lib/kubepi/db 目录下。要实现数据持久化,我们需要为 KubePi 部署配置持久化存储卷(Persistent Volume Claim, PVC)。
持久化部署方案
以下是完整的 KubePi 持久化部署 YAML 配置示例:
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
name: kubepi-db-pvc
spec:
accessModes:
- ReadWriteOnce
storageClassName: local-path
resources:
requests:
storage: "1Gi"
---
apiVersion: apps/v1
kind: Deployment
metadata:
name: kubepi
labels:
name: kubepi
spec:
replicas: 1
selector:
matchLabels:
name: kubepi
strategy:
rollingUpdate:
maxSurge: 1
maxUnavailable: 0
type: RollingUpdate
template:
metadata:
labels:
name: kubepi
spec:
containers:
- name: kubepi
image: 1panel/kubepi:v1.7.0
imagePullPolicy: IfNotPresent
ports:
- containerPort: 80
protocol: TCP
name: http
volumeMounts:
- mountPath: /etc/localtime
name: time
readOnly: true
- name: kubepi-db-pvc
mountPath: /var/lib/kubepi/db
volumes:
- name: time
hostPath:
path: /etc/localtime
- name: kubepi-db-pvc
persistentVolumeClaim:
claimName: kubepi-db-pvc
---
apiVersion: v1
kind: Service
metadata:
name: kubepi-svc
labels:
name: kubepi
spec:
selector:
name: kubepi
type: ClusterIP
ports:
- port: 80
targetPort: 80
关键配置说明
-
PersistentVolumeClaim:
accessModes: 设置为ReadWriteOnce,表示卷可以被单个节点以读写方式挂载storageClassName: 根据集群实际情况配置,本地集群通常使用local-pathstorage: 根据实际需求设置存储大小,1Gi 对 KubePi 来说通常足够
-
Deployment:
- 通过
volumeMounts将 PVC 挂载到容器的/var/lib/kubepi/db目录 - 同时挂载了主机时间
/etc/localtime确保容器时间与主机同步
- 通过
-
Service:
- 使用
ClusterIP类型服务暴露 KubePi - 可根据需要改为
NodePort或LoadBalancer类型
- 使用
不同环境下的调整建议
-
本地 k3s 集群:
- 使用
local-path作为存储类 - 存储大小可以适当减小
- 使用
-
生产环境:
- 考虑使用更可靠的存储后端,如 NFS、Ceph 等
- 设置
ReadWriteMany访问模式以便支持多副本部署 - 增加存储容量和资源限制
-
云环境:
- 使用云提供商提供的存储类,如 AWS 的 EBS、Azure 的 Disk 等
- 考虑启用自动扩容功能
验证持久化效果
部署完成后,可以通过以下步骤验证持久化是否生效:
- 在 KubePi 中进行一些配置更改
- 删除 KubePi 的 Pod 让其自动重建
- 检查配置是否仍然存在
- 重启整个集群后再次检查配置持久性
总结
通过为 KubePi 配置持久化存储,可以确保集群管理数据在容器重启或集群重启后不会丢失。这对于生产环境尤为重要,可以避免每次重启后都需要重新配置集群信息的麻烦。根据实际环境选择合适的存储后端和配置参数,可以平衡性能、可靠性和成本。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
432
3.29 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
351
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
689
162
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
9
1
React Native鸿蒙化仓库
JavaScript
266
327
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
79
37
🔥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
65
19
🎉 (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
1.22 K
671