【Kubernetes】初识k8s--扫盲阶段

文章目录

  • 1、k8s概述
  • 2、为什么要有k8s
    • 2.1 回顾以往的应用部署方式
    • 2.2 容器具有的优势
  • 3、k8s能带来什么

1、k8s概述

kubernetes是一个可移植、可扩展的开源平台,用于管理 容器化 的工作负载和服务,可促进申明式配置和自动化。kubernetes拥有一个庞大且快速增长的生态,其服务、支持和使用的范围相当广泛。

kubernetes是建立在Google大规模运行生产工作负载十几年的基础上,结合了社区中最优秀的想法和实践。

2、为什么要有k8s

2.1 回顾以往的应用部署方式

在这里插入图片描述

  • 传统部署时代
    早期,各个组织是在物理服务器上运行的应用程序。由于无法限制在物理服务器中运行的应用程序的 资源使用 ,因此会导致 资源分配问题
    例如:如果在同一台物理服务器上运行多个应用程序, 则可能会出现一个应用程序占用大部分资源的情况,而导致其他应用程序的性能下降。
    一种解决方案是将每个应用程序都运行在不同的物理服务器上, 但是当某个应用程序资源利用率不高时,剩余资源无法被分配给其他应用程序, 而且维护许多物理服务器的成本很高
  • 虚拟化部署时代
    鉴于传统部署的劣势,虚拟化技术得以引入。虚拟化技术允许在单个物理服务器的CPU 上运行多台虚拟机(VM)。虚拟化能使应用程序在不同VM之间 彼此隔离, 且提供一定程度的 安全性,因为一个应用程序的信息不能被另一个应用程序随意访问。
    虚拟化技术能够更好的利用物理服务器的资源,并且因为可以轻松的添加或更新应用程序,因此具有更高级的可扩缩性,以及降低硬件成本等。
    每个 VM 是一台完整的计算机,在虚拟化硬件之上运行所有组件,包括其自己的操作系统。
  • 容器部署时代
    容器类似于VM,但是他有更宽松的隔离特性,使容器之间能够共享操作系统(OS)。因此容器相比于VM是更轻量级的。
    与VM类似,容器也有自己的文件系统、CPU、内存、进程空间等。由于他们与基础架构分离,因此可以跨云和OS系统发行版本进行移植

2.2 容器具有的优势

  1. 敏捷应用程序的创建和部署
    与VM相比,使用容器镜像的方式创建更加高效和便捷
  2. 持续开发、集成和部署
    由于镜像的不可变性,可通过快速简单的回滚,提供可靠且频繁的容器镜像构建和部署
  3. 关注开发与运维的分离
    在构建、发布时创建应用程序镜像,而不是在部署时,从而将应用程序与基础架构分离
  4. 可观察性
    不仅可以显示OS级别的信息和指标,还可以显示应用程序的运行状况和其他信号指标
  5. 跨开发、测试和生产的环境一致性
    在个人PC上也可以在云上运行一样的应用程序
  6. 跨云和操作系统发行版本的可移植性
    可在 Ubuntu、RHEL、CoreOS、本地、 Google Kubernetes Engine 和其他任何地方运行
  7. 以应用程序为中心的管理
    提高抽象级别,从在虚拟硬件上运行 OS 到使用逻辑资源在 OS 上运行应用程序
  8. 松散耦合、分布式、弹性、解放的微服务
    应用程序被分解成较小的独立部分, 并且可以动态部署和管理 , 而不是在一台大型单机上整体运行
  9. 资源隔离
    可预测的应用程序性能
  10. 资源利用
    高效率和高密度

3、k8s能带来什么

容器 是打包和运行应用程序的好方式。在生产环境中,我们需要管理运行 一批应用程序的容器,确保服务不会下线。如:一个容器发生故障,需要立即启动另一个容器来接替他的工作。此类行为我们人工维护那工作量大,难度高。因此我们需要一个系统,它能够合理高效的处理这类问题。

这个就是kubernetes做的事情,kubernetes为我们提供了一个可以弹性运行分布式系统的框架,能够满足我们的扩展要求、在我们的应用出现问题是能够故障转移、提供部署模式等

具体来说,kubernetes能为我们提供以下支持:

  1. 服务发现和负载均衡
    Kubernetes 可以使用 DNS 名称或自己的 IP 地址来暴露容器。 如果进入容器的流量很大, Kubernetes 可以负载均衡并分配网络流量,从而使部署稳定。
  2. 存储编排
    Kubernetes 允许你自动挂载你选择的存储系统,例如本地存储、公共云提供商等。
  3. 自动部署和回滚
    你可以使用 Kubernetes 描述已部署容器的所需状态, 它可以以受控的速率将实际状态更改为期望状态。 例如,你可以自动化 Kubernetes 来为你的部署创建新容器, 删除现有容器并将它们的所有资源用于新容器。
  4. 自动完成装箱计算
    你为 Kubernetes 提供许多节点组成的集群,在这个集群上运行容器化的任务。 你在告诉 Kubernetes 每个容器需要多少 CPU 和内存 (RAM)后, Kubernetes 可以将这些容器按实际情况调度到你的节点上,以最佳方式利用你的资源。
  5. 自我修复
    Kubernetes 将重新启动失败的容器、替换容器、杀死不响应用户定义的运行状况检查的容器, 并且在准备好服务之前不将其通告给客户端
  6. 秘钥与配置管理
    Kubernetes 允许你存储和管理敏感信息,例如密码、OAuth 令牌和 SSH 密钥。 你可以在不重建容器镜像的情况下部署和更新密钥和应用程序配置,也无需在堆栈配置中暴露密钥。
  7. 批处理执行
    除了服务外,Kubernetes 还可以管理你的批处理和 CI(持续集成)工作负载,如有需要,可以替换失败的容器
  8. 水平扩缩
    使用简单的命令、用户界面或根据 CPU 使用率自动对你的应用进行扩缩
  9. IPv4 / IPv6双栈
    为 Pod(容器组)和 Service(服务)分配 IPv4 和 IPv6 地址
  10. 可扩展性设计
    在不改变上游源代码的前提下为你的k8s集群添加功能

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/129864.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ElasticSearch深度解析入门篇:高效搜索解决方案的介绍与实战案例讲解,带你避坑

ElasticSearch深度解析入门篇:高效搜索解决方案的介绍与实战案例讲解,带你避坑 1.Elasticsearch 产生背景 大规模数据如何检索 如:当系统数据量上了 10 亿、100 亿条的时候,我们在做系统架构的时候通常会从以下角度去考虑问题&a…

【C语法学习】15 - fopen()函数

文章目录 1 函数原型2 返回值3 参数3.1 文件名3.2 模式3.2.1 以"r"模式打开3.2.2 以"w"模式打开3.2.3 以"a"模式打开3.2.4 以"r"模式打开3.2.5 以"w"模式打开3.2.6 以"a"模式打开 1 函数原型 fopen()&#xff1a…

右击显示Pycharm打开教程

效果图 操作流程 win r 输入 regedit 回车打开注册表编辑器 2.找到 shell 路径 计算机\HKEY_CLASSES_ROOT\Directory\shell3.在 shell 下新建项,名称为 Pycharm 单击Pycharm文件夹,双击默认项,修改默认值,这个数值就是你右击后…

OpenHarmony:4.0 Release版本的开发数据

OpenAtom OpenHarmony 4.0 Release版本于 10 月 27 日发布,经过了32周的开发周期。在此期间,有 65499 个 Committs 进入了 版本。在这个周期内完成了相当多的重要工作,本文阐释这些工作由谁完成。 这次共有 2220 位贡献者为 4.0 Release版本做…

【Linux】 shutdown 命令使用

shutdown 命令可以用来进行关机程序,并且在关机以前传送讯息给所有使用者正在执行的程序,shutdown 也可以用来重开机。使用权限:系统管理者。 语法 shutdown [选项] 时间 [警告信息] 命令选项及作用 执行令 man shutdown 执行命令结果 参…

计算虚拟化2——内存虚拟化

目录 物理机内存访问过程 虚拟地址VA和物理地址PA概念 MUU实现VA到PA所使用的映射表 内存虚拟化类型 内存软件辅助虚拟化 内存硬件辅助虚拟化 内存虚拟化-内存超分配 内存共享 内存置换 内存气泡 物理机内存访问过程 内存的基本知识 内存都是从物理地址0开始的&…

golang工程——opentelemetry简介、架构、概念、追踪原理

opentelemetry 简介 OpenTelemetry,简称OTel,是一个与供应商无关的开源可观测性框架,用于检测、生成、收集和导出 遥测数据,如轨迹、度量、日志。OTel的目标是提供一套标准化的供应商无关SDK、API和工具,用于接 收、…

阿里云免费服务器

文章目录 最近的阿里云活动By the way在云服务器ECS上搭建个人网站正文补充:定期释放补充:不知道阿里云服务器的密码怎么办?成果补充:怎么找到实例操作的后台?补充:怎么查看服务器到期时间? 究竟白嫖了多少?最后&…

模型推理加速与部署梳理

推理加速与部署 文章目录 推理加速与部署服务级别的推理加速模型级别的推理加速量化图优化 kernel级别的推理加速GPU常见优化方式特殊Kernel的优化方式 推理框架可供学习的框架 最近学的有点杂,梳理一下我的个人体系,接下来我会花一定时间梳理下面这些东…

【大数据】-- flink kubernetes operator 入门与实践

课程链接:https://edu.csdn.net/course/detail/38831 目录 课程链接:https://edu.csdn.net/course/detail/38831https://edu.csdn.net/course/detail/38831 一、你将收获

[论文笔记]RetroMAE

引言 RetroMAE,中文题目为 通过掩码自编码器预训练面向检索的语言模型。 尽管现在已经在许多重要的自然语言处理任务上进行了预训练,但对于密集检索来说,仍然需要探索有效的预训练策略。 本篇工作,作者提出RetroMAE,一个新的基于掩码自编码器(Masked Auto-Encoder,MAE)…

渲染流程之光栅化阶段及像素处理阶段

Rasterization 光栅化阶段:图元转换为像素,生成片段。 定义 把物体的数学描述以及与物体相关的信息转换为屏幕上用于对应位置的像素及用于填充像素的颜色这个过程成为光栅化 主要工作: 将得到的新图元(添加额外的Virtex和计算图…

【leetcode】17.04 消失的数字

目录 1. 思路2. 代码 题目链接:leetcode 17.04.消失的数字 题目描述: 1. 思路 要求算法复杂度为O(n),有两种方式: (1)利用异或交换律 与nums所有元素异或一遍;与0-n的值异或,n…

开源 | 30余套STM32单片机、嵌入式Linux、物联网、人工智能项目(开发板+教程+视频)

文末免费领取! 30余套综合项目案例 STM32单片机、嵌入式、物联网、人工智能 项目文档源码视频 高校教学、学生毕设、个人项目练手 嵌入式实战项目推荐 15个嵌入式LinuxQt综合应用项目,涉及家居、医疗、农业等多种应用领域,案例中使用了嵌…

leetcode 2916. 子数组不同元素数目的平方和 II(区间更新 + 区间查询 线段树第二个板子 双闭区间 避开0)

描述 偷了一个线段树板子 不知道为啥要避开0 然后这里的更新和查找都是用双闭区间的 ac code class SegmentTree:def __init__(self, n):self.n n self.B1 [0]*n self.B2 [0]*n def add(self, b, idx, x):N self.n while idx < N:b[idx] xidx idx & -idxdef ra…

C++分治算法-------木材加工

木材厂有n根原木&#xff0c;现在想把这些木头切割成 k 段长度均为 l 的小段木头&#xff08;木头有可能有剩余&#xff09;。 当然&#xff0c;我们希望得到的小段木头越长越好&#xff0c;请求出的最大值。 木头长度的单位是cm&#xff0c;原木的长度都是正整数&#xff0c…

uniapp阻止冒泡的方法,点击事件嵌套点击事件,怎么阻止同时触发

uniapp阻止冒泡的方法 当我们遇到点击事件嵌套点击事件的时候&#xff0c;点击里边的事件&#xff0c;外边的也会跟着触发该怎么办&#xff1f; 起初我尝试用了css里的修改z-index属性的方法&#xff0c;把里边的<view>标签放在上边&#xff0c;结果两个事件还是同时触发…

Linux高级命令(扩展)二

一、Linux下用户管理 1、用户概念以及基本作用 用户&#xff1a;指的是Linux操作系统中用于管理系统或者服务的人 一问&#xff1a;管理系统到底在管理什么&#xff1f; 答&#xff1a;Linux下一切皆文件&#xff0c;所以用户管理的是相应的文件 二问&#xff1a;如何管理…

【自用】vmware workstation建立主机window与虚拟机ubuntu之间的共享文件夹

1.在windows中建立1个文件夹 在vmware中设置为共享文件夹 参考博文&#xff1a; https://zhuanlan.zhihu.com/p/650638983 2.解决&#xff1a; &#xff08;1&#xff09;fuse: mountpoint is not empty &#xff08;2&#xff09;普通用户也能使用共享目录 参考博文&#x…

大模型 其他方案的进度

Llama2 1、中文提问&#xff0c;英文的回答&#xff0c;对于中文不友好 2、网上还没有看到很详细的微调教程 3、虽然Llama2的预训练数据相对于第一代LLaMA扩大了一倍&#xff0c;但是中文预训练数据的比例依然非常少&#xff0c;仅占0.13%&#xff0c;这也导致了原始Llama2的中…