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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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