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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00