OrbStack中解决Ingress-NGINX控制器与本地负载均衡冲突问题
在Kubernetes集群中部署Ingress控制器是管理外部访问集群服务的常见方式。本文将详细介绍在OrbStack环境中部署Ingress-NGINX控制器时遇到的svclb-ingress-nginx-controller Pod无法正常运行的问题及其解决方案。
问题现象
当用户尝试在OrbStack的Kubernetes环境中部署Ingress-NGINX控制器时,发现svclb-ingress-nginx-controller Pod处于Pending状态。通过describe命令查看Pod详情,可以看到调度失败的原因是节点没有可用的端口资源。
具体表现为:
- svclb-ingress-nginx-controller Pod无法启动
- HTTP服务访问正常,但HTTPS服务无法访问
- 错误信息显示"0/1 nodes are available: 1 node(s) didn't have free ports for the requested pod ports"
问题根源分析
这个问题源于OrbStack环境的两个特性:
-
单节点限制:OrbStack默认使用单节点Kubernetes集群,而用户尝试创建了多个LoadBalancer类型的服务,这些服务都要求使用相同的端口(80和443)。
-
内置负载均衡:OrbStack已经内置了一个透明的负载均衡器,它会自动为容器提供HTTPS支持,允许用户通过
https://{container-name}.orb.local格式访问服务。这个内置负载均衡器已经占用了80和443端口。
解决方案
方案一:修改服务类型
最简单的解决方案是将Ingress-NGINX控制器的服务类型从LoadBalancer改为ClusterIP:
kubectl patch svc ingress-nginx-controller -n ingress-nginx -p '{"spec":{"type":"ClusterIP"}}'
这种方案适用于只需要通过Ingress规则访问服务,而不需要直接通过LoadBalancer IP访问的场景。
方案二:使用Helm安装Ingress-NGINX
更推荐的方案是使用Helm来安装Ingress-NGINX控制器,这样可以更灵活地配置各种参数:
helm upgrade --install ingress-nginx ingress-nginx \
--repo https://kubernetes.github.io/ingress-nginx \
--namespace ingress-nginx --create-namespace
然后创建示例应用和Service:
kubectl create namespace sample
kubectl create deployment nginx --image nginx -n sample
kubectl expose deploy/nginx --port=80 -n sample
配置Ingress规则
创建Ingress资源定义文件sample-nginx-ingress.yaml:
apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
name: sample-nginx-by-ingress-nginx
spec:
ingressClassName: nginx
rules:
- host: sample-nginx.k8s.orb.local
http:
paths:
- path: /
pathType: Prefix
backend:
service:
name: nginx
port:
number: 80
应用Ingress配置:
kubectl apply -f sample-nginx-ingress.yaml -n sample
注意事项
-
当通过HTTPS访问服务时,可能会遇到证书错误(NET::ERR_CERT_AUTHORITY_INVALID),这是因为使用了自签名证书,在测试环境中可以安全地忽略此警告。
-
在OrbStack环境中,建议优先使用内置的负载均衡功能,除非有特殊需求才额外部署Ingress控制器。
-
如果确实需要同时使用多个LoadBalancer服务,可以考虑使用不同的端口,或者部署多节点的Kubernetes集群。
通过以上解决方案,用户可以在OrbStack环境中顺利部署和使用Ingress-NGINX控制器,同时避免与内置负载均衡器的端口冲突问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00