NFS-子目录外部供应者(NFS-Subdir-External-Provisioner)安装与使用指南
目录结构及介绍
本指南将引导您理解并操作nfs-subdir-external-provisioner项目,这是一个用于Kubernetes环境下的存储供应器,能够基于现有的NFS服务器来创建动态的持久卷。
目录概览
在克隆或下载了该项目之后,您将看到如下的主要目录:
- deploy: 包含了用于部署供应器及其相关资源的所有YAML模板。
deployment.yaml: 供应器实例的部署定义。test-*: 测试脚本和样例持久卷请求(PVC)以及Pod。
- charts: Helm图表用于在Kubernetes集群中以更简洁的方式部署供应器。
- docs: 文档和说明性文件。
- Makefile: 自动化构建、测试和打包任务的定义。
- main.go: 主应用程序代码。
- Dockerfile: Docker镜像的构建脚本。
启动文件介绍
部署前准备: 确保您的环境中已正确设置了Kubernetes集群并具有权限进行API调用。
部署步骤:
-
编辑
deploy/deployment.yaml中的容器图像位置以匹配您的NFS客户端供应器图像的位置。spec: containers: - name: nfs-client-provisioner image: YOUR_IMAGE_NAME其中
YOUR_IMAGE_NAME应替换为您实际使用的图像名称。 -
在
deploy/deployment.yaml中指定NFS服务器详细信息。env: - name: NFS_SERVER value: YOUR_NFS_SERVER_HOSTNAME - name: NFS_PATH value: "/path/on/nfs/server"更新
YOUR_NFS_SERVER_HOSTNAME和路径以反映您的环境。 -
创建服务账号及相关策略:
使用
kubectl apply -f deploy/rbac.yaml来应用RBAC规则。 -
最终通过运行
kubectl apply -f deploy/deployment.yaml来启动供应器。
配置文件介绍
nfs-subdir-external-provisioner的关键配置在于其StorageClass的定义,它决定了如何从NFS服务器创建存储卷。
编辑StorageClass:
-
打开
deploy/storageclass.yaml文件。 -
修改
provisioner字段以匹配您在deployment.yaml中的PROVISIONER_NAME设定值。provisioner: k8s-sigs.io/nfs-subdir-external-provisioner这个字段应同
deployment.yaml内的name一致。 -
根据需求调整参数,例如
onDelete行为决定PVC释放时是否删除对应的NFS子目录。
以上步骤构成了初始化和配置nfs-subdir-external-provisioner的主要流程,在熟悉这些基本操作后,您可以进一步探索高级特性与故障排查方法。
请注意始终检查官方文档以获取最新指导和兼容性注意事项,特别是当涉及到不同版本的Kubernetes与存储类定义时。
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