IBM Japan Technology项目:从Kubernetes迁移到OpenShift的完整教程
2025-06-02 21:14:23作者:彭桢灵Jeremy
前言
在企业容器化转型过程中,从Kubernetes迁移到OpenShift是一个常见的需求。本文将基于IBM Japan Technology项目中的技术文档,详细介绍如何将工作负载从Kubernetes迁移到OpenShift平台,重点关注镜像改造和安全策略迁移两大核心环节。
迁移概述
OpenShift作为企业级Kubernetes发行版,在安全性和用户体验方面提供了更多增强功能。迁移过程中需要特别关注以下两个关键领域:
- 镜像改造:确保镜像在Kubernetes和OpenShift平台上都能正常运行
- 安全策略迁移:将Kubernetes的Pod安全策略(PSP)转换为OpenShift的安全上下文约束(SCC)
示例应用介绍
本教程使用一个简单的Node.js应用作为示例,该应用具有以下特点:
- 公开三个API端点(/api1, /api2, /api3)
- 记录API调用统计信息到CSV文件
- 使用容器文件系统目录作为卷挂载点
- 在Kubernetes集群中使用特定的Pod安全策略(PSP)
准备工作
在开始迁移前,请确保具备以下环境:
- 可用的Kubernetes集群
- OpenShift集群环境
- 本地开发工具:
- Git客户端
- kubectl命令行工具
- oc(OpenShift CLI)工具
- Docker或Podman容器运行时
迁移步骤详解
第一阶段:Kubernetes部署
1. 构建原始镜像
首先我们需要为应用构建原始容器镜像:
docker build -t <your-docker-account>/k8image .
2. 部署到Kubernetes
创建命名空间和服务账户:
kubectl create ns mlp-ns
kubectl create sa mlp-sa -n mlp-ns
应用部署配置:
kubectl apply -f deploy-to-k8s/
3. 验证部署
检查Pod安全策略是否生效:
kubectl get pod <pod-name> -n mlp-ns -o yaml | grep kubernetes.io/psp
第二阶段:迁移准备
1. 镜像改造
OpenShift对容器镜像有更严格的安全要求,我们需要改造原始镜像:
# 使用Red Hat UBI作为基础镜像
FROM registry.access.redhat.com/ubi8/nodejs-14:latest as builder
# 应用代码复制
COPY . .
# 安装依赖
RUN npm install
# 生产阶段
FROM registry.access.redhat.com/ubi8/nodejs-14:latest
# 设置非root用户
RUN useradd -u 1001 -g 0 -m -d /home/node node && \
chown -R 1001:0 /home/node
# 复制构建产物
COPY --from=builder --chown=1001:0 /opt/app-root/src .
# 指定用户
USER 1001
# 暴露端口
EXPOSE 3000
# 启动命令
CMD ["npm", "start"]
关键改造点:
- 使用Red Hat认证的基础镜像(UBI)
- 采用多阶段构建减小镜像体积
- 配置非root用户运行容器
- 设置适当的文件权限
2. 安全策略迁移
将Kubernetes的PSP转换为OpenShift的SCC:
apiVersion: security.openshift.io/v1
kind: SecurityContextConstraints
metadata:
name: mlp-scc
allowPrivilegedContainer: false
allowedCapabilities: []
defaultAddCapabilities: []
fsGroup:
type: MustRunAs
ranges:
- min: 1001
max: 1001
runAsUser:
type: MustRunAs
uid: 1001
seLinuxContext:
type: RunAsAny
supplementalGroups:
type: RunAsAny
volumes:
- emptyDir
主要变更点:
- 资源类型从PodSecurityPolicy变为SecurityContextConstraints
- privileged字段变为allowPrivilegedContainer
- 用户和组范围指定方式变化
- 卷控制方式保持不变
第三阶段:OpenShift部署
1. 构建新镜像
docker build -t <your-docker-account>/ocp-image .
2. 部署到OpenShift
创建项目和服务账户:
oc new-project mlp-ns
oc create sa mlp-sa -n mlp-ns
应用部署配置:
oc apply -f deploy-to-openshift/
3. 验证部署
检查SCC是否生效:
oc get pod <pod-name> -n mlp-ns -o yaml | grep openshift.io/scc
创建路由访问应用:
oc expose svc/mlp-app -n mlp-ns
常见问题排查
问题1:应用无法部署
现象:事件日志显示安全上下文约束验证失败
解决方案:
- 确认正确的SCC已应用到部署
- 检查SCC是否允许部署中指定的用户运行Pod
- 验证SCC是否允许使用emptyDir卷类型
问题2:容器权限异常
现象:容器拥有比SCC定义更多的权限
解决方案:
- 检查allowPrivilegedContainer设置是否正确
- 验证allowPrivilegeEscalation参数值
- 确保所有PSP标志都已正确转换为SCC参数
迁移后验证
- 通过路由访问应用API
- 多次调用不同API端点
- 进入容器验证统计文件是否正确更新
- 检查日志是否有安全相关警告
总结
通过本教程,我们完成了从Kubernetes到OpenShift的完整迁移过程,重点包括:
- 镜像改造:遵循OpenShift最佳实践重构容器镜像
- 安全策略迁移:将PSP准确转换为等效的SCC
- 应用验证:确保迁移后应用功能完整性和安全性
这种迁移方法可以推广到大多数工作负载的迁移场景,为企业混合云战略提供可靠的技术路径。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0454
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0782
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX029
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++03
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
831
5.51 K
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
496
521
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
979
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
807
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
795
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
781
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++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
664
300