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。
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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00