IBM Japan Technology项目:从Kubernetes迁移到OpenShift的完整教程
2025-06-02 04:56:28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
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137