企业官网建设流程全解析

1. 为什么需要Kubernetes部署

在当今云原生时代，应用部署方式已经发生了翻天覆地的变化。记得2015年我刚接触容器技术时，还在用Docker Compose管理微服务，但随着服务数量突破20个，手动管理容器生命周期、网络配置和存储卷就变得异常痛苦。这正是Kubernetes（简称k8s）诞生的背景——它解决了容器编排的核心痛点。

Kubernetes本质上是一个分布式系统的操作系统，它抽象了底层硬件资源，让开发者可以像操作单机一样管理整个集群。我特别喜欢它的声明式API设计——你只需要告诉k8s"我想要什么状态"，而不是"如何达到这个状态"。这种设计哲学让系统具有极强的自愈能力，比如当某个节点宕机时，k8s会自动在其他节点重建Pod。

与传统的部署方式相比，k8s带来了三个维度的提升：

• 资源利用率：通过精细的CPU/内存请求配置，我们的服务器资源利用率从30%提升到了65%
• 部署效率：原本需要2小时的部署流程，现在通过kubectl apply只需30秒
• 系统稳定性：滚动更新机制让我们的服务可用性从99.9%提升到了99.99%

2. 单节点Kubernetes环境搭建

2.1 环境准备与依赖安装

在CentOS 8上部署单节点k8s集群，我推荐使用kubeadm工具。这是官方提供的集群引导工具，相比minikube更适合生产环境的学习和测试。以下是经过多次实践验证的准备工作：

# 关闭Swap（k8s v1.8+要求） sudo swapoff -a sed -i '/ swap / s/^/#/' /etc/fstab # 设置防火墙规则 sudo firewall-cmd --permanent --add-port=6443/tcp sudo firewall-cmd --permanent --add-port=10250/tcp sudo firewall-cmd --reload # 安装容器运行时（containerd比Docker更轻量） sudo yum install -y containerd.io sudo systemctl enable --now containerd

注意：如果使用WSL环境，需要特别处理systemd支持问题。建议在Ubuntu WSL中先执行：sudo apt install -y daemonize && sudo daemonize /usr/bin/unshare --fork --pid --mount-proc /lib/systemd/systemd --system-unit=basic.target

2.2 kubeadm初始化实战

初始化集群时，这几个参数最容易踩坑：

sudo kubeadm init \ --pod-network-cidr=10.244.0.0/16 \ --apiserver-advertise-address=192.168.1.100 \ --cri-socket=unix:///var/run/containerd/containerd.sock \ --ignore-preflight-errors=Swap

关键参数解析：

• --pod-network-cidr：必须与后续安装的CNI插件匹配，Flannel默认用10.244.0.0/16
• --apiserver-advertise-address：如果是云服务器，要填内网IP
• --cri-socket：指定容器运行时接口位置

初始化成功后，务必执行这三条命令：

mkdir -p $HOME/.kube sudo cp -i /etc/kubernetes/admin.conf $HOME/.kube/config sudo chown $(id -u):$(id -g) $HOME/.kube/config

3. 生产级Kubernetes集群部署

3.1 高可用控制平面搭建

生产环境必须部署多master节点实现高可用。我们采用3节点方案，使用keepalived+haproxy实现API Server负载均衡：

graph TD A[VIP: 192.168.1.200] --> B[Master1] A --> C[Master2] A --> D[Master3] B --> E[Worker Nodes] C --> E D --> E

具体配置要点：

1. 每个master节点安装keepalived和haproxy
2. 配置/etc/keepalived/keepalived.conf实现VIP漂移
3. haproxy配置中需要特别处理健康检查：

   backend k8s-api balance roundrobin option tcp-check server k8s-master1 192.168.1.101:6443 check fall 3 rise 2 server k8s-master2 192.168.1.102:6443 check fall 3 rise 2 server k8s-master3 192.168.1.103:6443 check fall 3 rise 2

3.2 节点调优与内核参数

生产环境必须调整的Linux内核参数：

# /etc/sysctl.d/k8s.conf net.ipv4.ip_forward = 1 net.bridge.bridge-nf-call-iptables = 1 fs.inotify.max_user_watches = 1048576 vm.swappiness = 0 kernel.panic = 10 kernel.panic_on_oops = 1

这些参数直接影响k8s网络性能和稳定性。特别是vm.swappiness=0，能有效减少kubelet因内存压力误杀Pod的情况。

4. Spring Boot应用部署实战

4.1 容器化改造要点

将Spring Boot应用部署到k8s需要特别注意：

1. JVM内存配置：必须显式设置-Xmx，且要小于容器内存限制的80%

   FROM eclipse-temurin:17-jre ENV JAVA_OPTS="-Xmx768m -XX:+UseG1GC" COPY target/*.jar app.jar ENTRYPOINT ["sh", "-c", "java ${JAVA_OPTS} -jar /app.jar"]

2. 健康检查配置：

   livenessProbe: httpGet: path: /actuator/health port: 8080 initialDelaySeconds: 60 # 等待应用完全启动 periodSeconds: 15 readinessProbe: httpGet: path: /actuator/health port: 8080 initialDelaySeconds: 30 periodSeconds: 5

4.2 金丝雀发布策略

通过Ingress+Deployment实现流量灰度：

apiVersion: networking.k8s.io/v1 kind: Ingress metadata: name: canary-demo annotations: nginx.ingress.kubernetes.io/canary: "true" nginx.ingress.kubernetes.io/canary-weight: "20" # 20%流量到新版本 spec: rules: - host: demo.example.com http: paths: - path: / pathType: Prefix backend: service: name: demo-service port: number: 8080

5. 日常运维与问题排查

5.1 集群监控方案

推荐使用Prometheus-Operator全家桶：

helm repo add prometheus-community https://prometheus-community.github.io/helm-charts helm install kube-prometheus prometheus-community/kube-prometheus-stack \ --namespace monitoring \ --set grafana.adminPassword=secret \ --set prometheus.prometheusSpec.retentionSize=20GB

关键监控指标：

• Kubernetes集群：API请求延迟、etcd写入延迟
• 节点：CPU饱和度、内存压力、磁盘IOPS
• 应用：JVM堆内存使用率、GC次数、HTTP错误率

5.2 常见故障排查命令

1. Pod启动失败：

   kubectl describe pod <pod-name> | grep -A10 Events kubectl logs <pod-name> --previous # 查看前一个容器的日志

2. 网络连通性问题：

   kubectl run -it --rm debug-tools --image=nicolaka/netshoot -- bash curl -v http://service-name.namespace.svc.cluster.local:8080

3. 资源不足排查：

   kubectl top nodes kubectl get pods --all-namespaces -o wide | grep Pending

6. 进阶技巧与优化

6.1 调度策略优化

通过节点亲和性和Pod反亲和性提高可用性：

affinity: nodeAffinity: requiredDuringSchedulingIgnoredDuringExecution: nodeSelectorTerms: - matchExpressions: - key: node-role.kubernetes.io/worker operator: Exists podAntiAffinity: preferredDuringSchedulingIgnoredDuringExecution: - weight: 100 podAffinityTerm: labelSelector: matchExpressions: - key: app operator: In values: - my-app topologyKey: kubernetes.io/hostname

6.2 GPU资源调度

对于AI训练场景，需要配置nvidia-device-plugin：

apiVersion: v1 kind: Pod metadata: name: gpu-pod spec: containers: - name: cuda-container image: nvidia/cuda:11.0-base resources: limits: nvidia.com/gpu: 2 command: ["nvidia-smi"]

在智算平台中，还需要结合GPU调度器（如kube-batch）实现更复杂的调度策略。