使用Rancher搭建K8S测试环境

环境准备(4台主机,Ubuntu16.04+Docker1.12.6 + SSH):

rancher1   192.168.3.160   只做管理节点

node1      192.168.3.161   K8S的节点1

node2      192.168.3.162   K8S的节点2

node3      192.168.3.163   K8S的节点3

此时如果用docker pull命令下载镜像,本地会连接hub.docker.com网站去下载,耗时较长,因此我们可以设置docker镜像加速,使得本地连接去国内镜像仓库下载,镜像加速的设置有很多种,本章以阿里云的设置为例,步骤如下:

1)创建目录:

[root@master ~]# mkdir /etc/docker

2)设置镜像仓库地址:

在daemon.json最后加上{  "registry-mirrors": ["https://xwx6wxd1.mirror.aliyuncs.com"] }

tee /etc/docker/daemon.json <<-'EOF'{  "registry-mirrors": ["https://xwx6wxd1.mirror.aliyuncs.com"] }EOF

3)重新加载配置:

[root@master ~]# systemctl daemon-reload

4)重启服务

[root@master ~]# systemctl restart docker.service

备注:slave1节点操作一致

一、启动Rancher Server管理节点 

#在rancher1(192.168.3.160)上执行命令,启动Rancher Server

sudo docker run -d --restart=unless-stopped -p 8080:8080 rancher/server

 

二、在Rancher的Web界面中创建K8S环境、自动生成主机加入集群的命令

#使用谷歌浏览器,访问http://192.168.3.160:8080,登录到Rancher管理页面

#到页面的右下角,切换到简体中文界面

#点击“Default”->“环境管理”->“添加环境”

#添加环境的名称:K8S

#添加环境的描述:K8S测试环境

#环境模板:选择kubernetes

#点击创建,就创建好Kubernetes环境了。

 

#然后在菜单中切换到K8S环境,

#点击“基础架构”->“主机”->“添加主机”

#分别添加主机标签和3台主机节点的IP地址:

#比如:

#第3步标签:host=node1

#第4步填入node1的IP地址:192.168.3.161

#这样可以自动生成节点加入到K8S环境中的Docker命令,

#将命令复制到node1的SSH命令窗口中执行,

#即可完成将node1加入到K8S环境,

#需要等上几分钟时间,才能将K8S相关的容器下载、启动完成

 

三、把3台主机节点分别加入到K8S环境中

# 3.1在node1(192.168.3.161)上执行命令,加入到K8S集群中

sudo docker run -e CATTLE_AGENT_IP="192.168.3.161"  -e CATTLE_HOST_LABELS='host=node1'  --rm --privileged -v /var/run/docker.sock:/var/run/docker.sock -v /var/lib/rancher:/var/lib/rancher rancher/agent:v1.2.5 http://192.168.3.160:8080/v1/scripts/D9A8B18AE1FD1EC24161:1483142400000:TWXiElSPIHtPQ7BCrMzrSbMxsc

 

# 3.2在node2(192.168.3.162)上执行命令,加入到K8S集群中

sudo docker run -e CATTLE_AGENT_IP="192.168.3.162"  -e CATTLE_HOST_LABELS='host=node2'  --rm --privileged -v /var/run/docker.sock:/var/run/docker.sock -v /var/lib/rancher:/var/lib/rancher rancher/agent:v1.2.5 http://192.168.3.160:8080/v1/scripts/D9A8B18AE1FD1EC24161:1483142400000:TWXiElSPIHtPQ7BCrMzrSbMxsc

 

# 3.2在node3(192.168.3.163)上执行命令,加入到K8S集群中

sudo docker run -e CATTLE_AGENT_IP="192.168.3.163"  -e CATTLE_HOST_LABELS='host=node3'  --rm --privileged -v /var/run/docker.sock:/var/run/docker.sock -v /var/lib/rancher:/var/lib/rancher rancher/agent:v1.2.5 http://192.168.3.160:8080/v1/scripts/D9A8B18AE1FD1EC24161:1483142400000:TWXiElSPIHtPQ7BCrMzrSbMxsc

 

四、运行后的效果

  1.  

    图1在rancher1上执行的命令,然后就可以访问3.160的8080端口了

  2. 图2.0添加K8S环境

  3. 图2.1添加K8S环境

  4. 图2.2切换到K8S环境的按钮

  5. 图3.1自动生成加入到K8S环境的命令-node1

  6. 图3.1自动生成加入到K8S环境的命令-node2

  7. 图3.1自动生成加入到K8S环境的命令-node3

  8. 图3.2在node1上执行命令,将node1加入到K8S集群中

  9. 图3.2在node2上执行命令,将node2加入到K8S集群中

  10. 图3.2在node3上执行命令,将node3加入到K8S集群中

  11. 图4.1最终的3台主机状态

  12. 图4.2基础设施应用

版权声明:本文为博主原创文章,或转载自网络,欢迎转载分享,让这世界越来越好。

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/386858.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

Anaconda安装tensorflow报错问题解决方法

最近脱离了googlecolab想使用本地的anaconda进行机器学习课题的演练&#xff0c;在安装tensorflow时报错 : UnsatisfiableError: The following specifications were found。下面给出解决方法。 发现实际原因是由于anaconda的python环境&#xff0c;当前版本的tensorflow只能适…

yml的mybatis的sql查看

yml的mybatis的sql查看 控制台输出结果:

unity如何让canvas总是显示在所有层的最上方?

由于unity中的图层都是从上至下渲染的&#xff0c;那么在渲染的过程中&#xff0c;只需要将canvas所在的UI层的渲染优先级order排在其他层之后&#xff0c;就可以保证UI画面总是最后加载出来的了。 在canvas的inspector中修改order in layer 或者 sorting layer都可以实现这一…

关于同时可用git命令clone和TortoiseGit拉取代码不需要密码

工作需要在windows7下使用git分布式版本控制系统&#xff0c;需要同时可以在git命令行模式或TortoiseGit拉取代码而不需要每次输入密码。 这时候需要同时安装git和TortoiseGit。 git使用命令ssh-keygen -C “邮箱地址” -t rsa产生的密钥在TortoiseGit中不能用。TortoiseGit 使…

交叉验证 cross validation 与 K-fold Cross Validation K折叠验证

交叉验证&#xff0c;cross validation是机器学习中非常常见的验证模型鲁棒性的方法。其最主要原理是将数据集的一部分分离出来作为验证集&#xff0c;剩余的用于模型的训练&#xff0c;称为训练集。模型通过训练集来最优化其内部参数权重&#xff0c;再在验证集上检验其表现。…

第十一周总结

这个作业属于那个课程 C语言程序设计II 这个作业要求在哪里 https://edu.cnblogs.com/campus/zswxy/computer-scienceclass4-2018/homework/3203 我在这个课程的目标是 理解与使用递归函数。 参考文献 基础题 2-1 宏定义“#define DIV(a, b) a/b”&#xff0c;经DIV(x …

softmax函数与交叉熵损失函数

本文主要介绍了当前机器学习模型中广泛应用的交叉熵损失函数与softmax激励函数。 这个损失函数主要应用于多分类问题&#xff0c;用于衡量预测值与实际值之间的相似程度。 交叉熵损失函数定义如下: LCE(y^,y∗)−∑i1Nclassesyi∗log(yi^)L_{CE}(\hat{y}, y^*) - \sum_{i1}^…

unity如何让物体与特定物体之间不发生碰撞

unity中我们普遍使用的是碰撞器来实现各个物体的碰撞体积&#xff0c;例如Box collider, Sphere Collider。 在实现游戏的过程中&#xff0c;如果不想要物体与特定物体产生碰撞&#xff0c;或反之&#xff0c;只想让碰撞发生在特定物体之间时&#xff0c;我们就需要配置layer …

jenkins的JAVA简单顺序配置git仓库

后台Java的发布配置 1、从源码管理下载项目内容 2、构建触发器 3 、构建下环境 4、构建后处理

SQLyog连接数据库报错plugin caching_sha2_password could not be loaded

打开cmd&#xff1a;mysql -uroot -p 进入mysql依次执行下面语句 ALTER USER rootlocalhost IDENTIFIED BY password PASSWORD EXPIRE NEVER; #修改加密规则 ALTER USER rootlocalhost IDENTIFIED WITH mysql_native_password BY password; #更新一下用户的密码 FLUSH PRIVI…

unity导入素材时材质丢失素材变成粉红色的解决方法

有很多时候&#xff0c;当我们通过unity asset store或者blender等等外源导入素材时&#xff0c;会出现材质缺失的bug&#xff0c;如下图所示 : 一个很可能的原因&#xff0c;是由于unity本身管线在每个版本的更新过程中&#xff0c;材质的渲染编码发生了改变。由于这种原因引…

Jenkins 部署vue到服务器

链接github名称 2、从源码管理下载 3、更新最新前端模块 4、进行构建和打包

numpy数组提取一定规律的数据

numpy数组的索引也是符合start stop step规律的&#xff0c;因此可以通过索引提取出一系列索引有规律的元素&#xff0c;如下例子: import numpy as np i np.linspace(1,100,100, dtypeint)-1 print(i) i_train i[0:100:10] print(i_train)输出结果如下 : 可以看到通过索引…

CRM、用户管理权限

CRM目录结构 from django.shortcuts import HttpResponse,render,redirect from django.conf.urls import url from django.utils.safestring import mark_safe from django.urls import reverse from django.forms import ModelForm from stark.utils.my_page import Paginat…

GAN生成对抗网络基本概念及基于mnist数据集的代码实现

本文主要总结了GAN(Generative Adversarial Networks) 生成对抗网络的基本原理并通过mnist数据集展示GAN网络的应用。 GAN网络是由两个目标相对立的网络构成的&#xff0c;在所有GAN框架中都至少包含了两个部分&#xff0c;生成模型部分和判别模型部分。生成模型的目标是制造出…

autoencoder自编码器原理以及在mnist数据集上的实现

Autoencoder是常见的一种非监督学习的神经网络。它实际由一组相对应的神经网络组成&#xff08;可以是普通的全连接层&#xff0c;或者是卷积层&#xff0c;亦或者是LSTMRNN等等&#xff0c;取决于项目目的&#xff09;&#xff0c;其目的是将输入数据降维成一个低维度的潜在编…

vscode编写插件详细过程

vscode编写插件详细过程 前言 之前编写了一个vscode插件用vscode写博客和发布&#xff0c;然后有园友要求写一篇来介绍如何开发一个vscode扩展插件&#xff0c;或者说介绍开发这个插件的过程。然而文章还没有写&#xff0c;园子里面已经有人发布一个文章&#xff0c;是园友上…

pytorch学习笔记 1. pytorch基础 tensor运算

pytorch与tensorflow是两个近些年来使用最为广泛的机器学习模块。开个新坑记录博主学习pytorch模块的过程&#xff0c;不定期更新学习进程。 文章较为适合初学者&#xff0c;欢迎对代码和理解指点讨论&#xff0c;下面进入正题。 import torch import numpy as npt1 torch.te…

2019年区块链的主旋律是中间层协议

2019年区块链的主旋律是中间层协议 过去一年加密资产市场从其峰值下跌超过85%的市值。但对我&#xff0c;一个坚定的区块链企业家&#xff0c;这实际上是一件好事&#xff0c;区块链的未来看起来比以往任何时候都更有希望。2017年ICO热潮开始的疯狂至少产生了一个强烈的积极影响…