Kubernetes Dashboard中通过Helm设置容忍度(Tolerations)的最佳实践
在Kubernetes集群中部署工作负载时,控制节点的调度行为是一个常见需求。本文将以Kubernetes Dashboard项目为例,详细介绍如何通过Helm正确配置工作负载的容忍度(Tolerations),确保Pod能够按预期调度到控制平面节点。
容忍度的基本概念
容忍度(Tolerations)是Kubernetes中一个重要的调度概念,它允许Pod被调度到具有特定污点(Taints)的节点上。在控制平面节点默认带有node-role.kubernetes.io/control-plane:NoSchedule
污点的集群中,如果希望工作负载能够调度到这些节点,就需要配置相应的容忍度。
Kubernetes Dashboard的Helm配置问题
在Kubernetes Dashboard 7.5.0版本中,用户报告通过Helm命令行直接设置spec.template.spec.tolerations
参数无效。经过验证,正确的配置方式应该是通过Chart提供的特定参数路径:
app:
tolerations:
- key: "node-role.kubernetes.io/control-plane"
effect: "NoSchedule"
metrics-server:
tolerations:
- key: "node-role.kubernetes.io/control-plane"
effect: "NoSchedule"
配置解析
- 应用组件容忍度:通过
app.tolerations
参数配置Dashboard核心组件的容忍度 - 指标收集器容忍度:通过
metrics-server.tolerations
参数配置metrics-scraper的容忍度
这种设计符合Helm Chart的最佳实践,将配置项组织在逻辑分组下,而不是直接暴露底层的Kubernetes资源结构。
实际应用示例
完整的Helm安装命令应如下:
helm upgrade --install kubernetes-dashboard kubernetes-dashboard/kubernetes-dashboard \
--namespace monitoring \
--set app.tolerations[0].key=node-role.kubernetes.io/control-plane \
--set app.tolerations[0].effect=NoSchedule \
--set metrics-server.tolerations[0].key=node-role.kubernetes.io/control-plane \
--set metrics-server.tolerations[0].effect=NoSchedule
验证配置
部署后可通过以下命令验证容忍度是否生效:
kubectl -n monitoring get deploy -o go-template='{{range .items}}{{.metadata.name}}{{"\t"}}{{.spec.template.spec.tolerations}}{{"\n"}}{{end}}'
设计思考
这种配置方式体现了Kubernetes生态的几个重要设计原则:
- 抽象封装:Helm Chart对底层Kubernetes资源进行了适当封装,提供更符合应用视角的配置参数
- 关注点分离:将应用组件和指标收集器的配置分开管理,提高可维护性
- 版本兼容性:通过参数化配置确保Chart能在不同Kubernetes版本中保持兼容性
总结
正确理解和使用Helm Chart的参数结构是高效管理Kubernetes应用的关键。对于Kubernetes Dashboard这样的核心组件,通过官方Chart提供的参数接口进行配置,既能确保功能正常,又能保持升级的兼容性。掌握这些配置技巧,可以帮助管理员更好地控制工作负载在集群中的分布。
对于需要在控制平面节点运行的特殊工作负载,合理配置容忍度是保证集群稳定性和资源利用率的重要手段。希望本文的解析能帮助读者更深入地理解Kubernetes调度机制的实际应用。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









