文章目录一、概述二、常见的几种CNI插件介绍1）Flannel（本章讲解）2）Calico3）Romana4）Weave Nets三、Flannel 组件的解释四、Flannel网络通信原理实验1）同节点Pod之间的通信2）不同节点Pod之间的通信3）Pod与Service之间的通信 一、概述Kubernetes 采用的是基于扁平地址空间的、非NAT的网络模型，每个Pod有自己唯一的IP地址。网
转载
2024-08-15 17:54:05
48阅读
在K8S中，K8S将所有的操作对象都当做资源来进行管理，K8S为我们提供了一个叫APIserver的组件，这个组件提供了一系列的RESTful风格的接口，通过这些接口就可以实现对资源的增删改查等操作。而所谓的资源配置清单就是我们用来创建和管理资源的配置文件。在了解资源配置清单前，我们需要先了解一下K8S中有哪些资源。一、资源类型1、工作负载型资源这些资源就是K8S中承载具体的工作的一些资源，常见的
转载
2024-04-17 14:21:24
48阅读
requests与limitsapiVersion: v1
kind: Pod
metadata:
name: pod1
spec:
containers:
- image: xxx
resources:
requests:
cpu: 200m
memory: 10Mi
limits:
cpu: 500m
转载
2024-04-26 09:22:18
86阅读
k8s架构图：前言：本文以两台机器为例，叙述k8s的安装部署过程，1台机器为master节点，另一台为node节点，master节点不参与部署业务pod。服务器操作系统为Ubuntu18.04 Server0X00 部署前置操作以下为Master节点和Node节点均需执行的部署前置操作1.安装Docker此处需要注意安装的Docker版本是否被k8s支持，比如k8s V1.20最高只支持Docke
转载
2024-05-27 14:56:52
101阅读
一、概述搭建k8s集群时，需要访问google，下载相关镜像以及安装软件，非常麻烦。正好阿里云提供了k8s的更新源，国内用户就可以直接使用了。二、环境介绍操作系统主机名IP地址功能配置ubuntu-16.04.5-server-amd64k8s-master192.168.91.128主节点2核4Gubuntu-16.04.5-server-amd64k8s-node1192.168.91.129
转载
2024-04-15 23:08:55
101阅读
2016 年，随着 AlphaGo 的走红和 TensorFlow 项目的异军突起，一场名为 AI 的技术革命迅速从学术界蔓延到了工业界，所谓的 AI 元年，就此拉开帷幕。当然，机器学习或者说人工智能，并不是什么新鲜的概念。而这次热潮的背后，云计算服务的普及与成熟，以及算力的巨大提升，其实正是将人工智能从象牙塔带到工业界的一个重要推手。而与之相对应的，从 2016 年开始，Kubernetes 社
转载
2024-07-31 22:26:46
94阅读
# 实现K8S GPU加速教程
## 简介
在使用Kubernetes（K8S）进行容器编排时，有时候我们需要利用GPU来加速计算任务。本文将介绍如何在K8S集群中实现GPU加速，帮助刚入行的小白快速上手。
## 流程概述
下面是实现K8S GPU加速的主要步骤：
| 步骤 | 描述 |
| ------ | ------- |
| 1 | 安装NVIDIA GPU驱动 |
| 2 | 部署
原创
2024-04-23 18:15:50
111阅读
如何在GPU上运行K8S
随着机器学习和深度学习等计算密集型工作负载的增加，GPU在计算领域扮演着越来越重要的角色。Kubernetes（K8S）是一个用于管理容器化应用程序的开源平台，那么如何在GPU上运行K8S呢？下面我们将逐步介绍这个过程。
步骤|操作
---|---
1|安装NVIDIA GPU驱动
2|安装CUDA Toolkit
3|安装Docker和nvidia-docker2
原创
2024-03-19 10:08:11
115阅读
作者 | 车漾 阿里巴巴高级技术专家需求来源经过近几年的发展，AI 有了许许多多的落地场景，包括智能客服、人脸识别、机器翻译、以图搜图等功能。其实机器学习或者说是人工智能，并不是什么新鲜的概念。而这次热潮的背后，云计算的普及以及算力的巨大提升，才是真正将人工智能从象牙塔带到工业界的一个重要推手。与之相对应的，从 2016 年开始，Kubernetes 社区就不断收到来自不同渠
转载
2024-08-20 13:58:21
57阅读
前言前两天闹得沸沸扬扬的事件不知道大家有没有听说，Google 竟然将 Docker 踢出了 Kubernetes 的群聊，不带它玩了。。。具体的解释请看《听说 K8s 要甩了 Docker 了》，我这里简单描述下，Kubernetes 是通过 CRI 来对接容器运行时的，而 Docker 本身是没有实现 CRI 的，所以 Kubernetes 内置了一个
转载
2024-08-15 09:05:32
63阅读
k8s kubelet device-plugins场景：对于云的用户来说，在 GPU 的支持上，他们最基本的诉求其实非常简单：我只要在 Pod 的 YAML 里面，声明某容器需要的 GPU 个数，那么 Kubernetes 为我创建的容器里就应该出现对应的 GPU 设备，以及它对应的驱动目录。以 NVIDIA 的 GPU 设备为例，上面的需求就意味着当用户的容器被创建之后，这个容器里必须出现如下
转载
2024-05-08 22:49:52
154阅读
SonarQube 是一种主流的代码质量持续检测工具。您可以将其用于代码库的静态和动态分析。SonarQube 集成到 KubeSphere 流水线后，如果在运行的流水线中检测到问题，您可以直接在仪表板上查看常见代码问题，例如 Bug 和漏洞。准备工作您需要先开启KubeSphere的DevOps系统。以 admin 身份登录控制台，点击左上角的平台管理，选择集群管理。点击自定义资源 CRD，在搜
转载
2024-05-23 19:08:13
48阅读
K8S介绍与特性Kubernetes概念
Kubernets是Google开源的一个容器编排引擎，它支持自动化部署、大规模可伸缩、应用容器化管理。在生产环境中部署一个应用程序时，通常要部署该应用的多个实例以便对应用请求进行负载均衡。K8S概述
K8S是谷歌在2014年开源的容器化集群管理系统使用K8S进行容器化应用部署使用K8S利于容器扩展K8S目标实施让部署容器化应用更加简洁和高效K
转载
2024-02-14 23:36:51
22阅读
这个描述文件指定了内存要64000Mi(64G)，服务器内存不足64时直接pending。可以将资源需求改小为640M。
原创
2024-04-25 09:40:31
29阅读
Kubernetes（简称K8s）是一个用于自动化部署、扩展和管理容器化应用程序的开源平台。在Kubernetes中，Pod是最小的可部署单元，它是由一个或多个容器组成的组合。每个Pod都有一个唯一的名称，并且可以进行设置。本文将教会刚入行的小白如何在Kubernetes中设置Pod的名称。
## 什么是Pod
在开始设置Pod名称之前，首先需要了解什么是Pod。在Kubernetes中，Pod
原创
2024-02-01 17:38:06
237阅读
目录调度与约束List-Watch机制示例流程Scheduler 的调度过程Predicate（预选策略） 常见的算法：常见的优先级：实操示例方法一：pod.spec.nodeName方法二：pod.spec.nodeSelector补充亲和性节点亲和性硬策略示例软策略示例Pod亲和性与反亲和性亲和性示例反亲和性示例污点(Taint) 和 容忍(Tolerations)污点(Taint)基本概念
转载
2024-06-07 15:29:42
69阅读
场景需求最近新到货一台GPU服务器，系统是Ubuntu20.04，需要在服务器中搭建个K8S集群来做一些容器相关的业务场景，虽然他的CPU配置蛮高，但是它的GPU也不能浪费，因此本文就记录下利用起他GPU的全流程。nvidia-dockernvidia-docker是英伟达出品的一款产品，我相信能找到我这篇藏在犄角旮旯里的破文章的人，肯定已经了解了他和docker之间的异同，这里提供个传送门知道英
转载
2024-05-23 10:09:02
36阅读
K8S存储大小设定
Kubernetes（K8S）是目前最流行的容器编排平台之一，它提供了许多功能用于管理和部署容器化应用程序。在K8S中，存储大小设定是非常重要的一个功能，可以帮助我们更好地管理和分配存储资源。在本文中，我将介绍如何在K8S中进行存储大小设定，并带你逐步实现这一功能。
步骤 | 操作
---|---
步骤一：创建存储类 | 使用K8S的API对象定义一个存储类（Storage
原创
2024-03-29 11:03:24
33阅读
前言环境：centos7.9、k8s 1.22.17、docker-ce-20.10.9 gpu资源也是服务器中常见的一种资源，gpu即显卡，一般用在人工智能、图文识别、大模型等领域，其中nvidia gpu是nvidia公司生产的nvidia类型的显卡，amd gpu则是adm公司生产的amd类型gpu。企业中服务器最常见的就是英伟达gpu服务器了。 本篇也主要讲解英伟达驱动相关的知识。nvid
转载
2024-06-06 15:09:31
218阅读
问题背景全球主要的容器集群服务厂商的Kubernetes服务都提供了Nvidia GPU容器调度能力，但是通常都是将一个GPU卡分配给一个容器。这可以实现比较好的隔离性，确保使用GPU的应用不会被其他应用影响；对于深度学习模型训练的场景非常适合，但是如果对于模型开发和模型预测的场景就会比较浪费。 大家的诉求是能够让更多的预测服务共享同一个GPU卡上，进而提高集群中Nvidia GPU的利用率。而这
转载
2024-06-19 22:59:53
180阅读
