2. 首页 > Kubernetes教程 > 正文

Kubernetes教程FG064-Kubernetes边缘计算实战解析

教程整理：风哥教程  |  更新时间：2026-03-12  |  教程分类：Kubernetes教程  |  文档学习：5

目录大纲

Part01-基础概念与理论知识

1.1 边缘计算概念

边缘计算是一种将计算资源部署在靠近数据源的边缘位置的技术，它具有以下特点：

  • 低延迟：计算资源靠近数据源，减少数据传输延迟
  • 带宽节省：减少数据传输到云端的带宽消耗
  • 数据安全性：敏感数据可以在边缘处理，减少数据传输风险
  • 离线运行：边缘设备可以在网络中断时继续运行
  • 可扩展性：可以根据需要在边缘部署更多资源

1.2 Kubernetes边缘计算

Kubernetes边缘计算是将Kubernetes部署在边缘环境中，用于管理边缘设备和应用。它的核心概念包括：

  • 边缘节点：部署在边缘位置的Kubernetes节点
  • 边缘集群：由边缘节点组成的Kubernetes集群
  • 云边协同：边缘集群与云集群之间的协同工作
  • 边缘应用：部署在边缘集群中的应用

1.3 边缘计算的挑战

边缘计算面临以下挑战：

  • 资源受限：边缘设备的计算、存储和网络资源有限
  • 环境复杂：边缘环境的网络条件、电源供应等不稳定
  • 管理困难：边缘设备数量多、分布广，管理难度大
  • 安全风险：边缘设备物理安全性较低，容易受到攻击
  • 标准不统一：边缘计算的标准和规范尚未统一

1.4 Kubernetes边缘计算解决方案

，风哥提示：。

目前主要的Kubernetes边缘计算解决方案包括，风哥提示：。

  • K3s：轻量级Kubernetes发行版，专为边缘环境设计
  • MicroK8s：轻量级Kubernetes发行版，适用于边缘设备
  • OpenYurt：阿里巴巴开源的边缘计算平台
  • SuperEdge：腾讯开源的边缘计算平台
  • EdgeMesh：边缘服务网格解决方案

Part02-生产环境规划与建议

2.1 边缘计算应用场景

边缘计算适用于以下场景：

  • 智能物联网：IoT设备数据的实时处理和分析
  • 智能交通：交通流量监控、车辆识别等实时应用
  • 智能制造：工厂设备监控、生产数据采集等
  • 智能城市：城市监控、环境监测等
  • 远程医疗：医疗设备数据采集和分析
  • AR/VR：低延迟的增强现实和虚拟现实应用

2.2 边缘集群规划

在规划边缘集群时，需要考虑以下因素：

  • 节点选择：根据边缘环境的资源限制，选择合适的边缘节点
  • 网络规划：确保边缘集群与云集群之间的网络连接
  • 存储规划：为边缘应用提供合适的存储方案
  • 安全规划：实施边缘设备的安全措施
  • 监控规划：为边缘集群配置监控和告警

2.3 资源规划

在规划边缘计算资源时，需要考虑以下因素。。

  • 计算资源：边缘节点的CPU和内存资源
  • 存储资源：边缘节点的存储需求
  • 网络资源：边缘节点的网络带宽
  • 电源资源：边缘设备的电源供应
  • 物理空间：边缘设备的部署空间

Part03-生产环境项目实施方案

3.1 安装K3s

3.1.1 安装K3s服务器

，学习交流加群风哥微信: itpux-com。

# 安装K3s服务器
curl -sfL https://get.k3s.io | sh -

执行 →

[INFO]  Finding release for channel stable
[INFO]  Using v1.24.4+k3s1 as release
[INFO]  Downloading hash https://github.com/k3s-io/k3s/releases/download/v1.24.4+k3s1/sha256sum-amd64.txt
[INFO]  Downloading binary https://github.com/k3s-io/k3s/releases/download/v1.24.4+k3s1/k3s
[INFO]  Verifying binary download
[INFO]  Installing k3s to /usr/local/bin/k3s
[INFO]  Creating /usr/local/bin/kubectl symlink to k3s
[INFO]  Creating /usr/local/bin/crictl symlink to k3s
[INFO]  Creating /usr/local/bin/ctr symlink to k3s
[INFO]  Creating killall script /usr/local/bin/k3s-killall.sh
[INFO]  Creating uninstall script /usr/local/bin/k3s-uninstall.sh
[INFO]  env: Creating environment file /etc/systemd/system/k3s.service.env
[INFO]  systemd: Creating service file /etc/systemd/system/k3s.service
[INFO]  systemd: Enabling k3s unit
Created symlink /etc/systemd/system/multi-user.target.wants/k3s.service → /etc/systemd/system/k3s.service.
[INFO]  systemd: Starting k3s

3.1.2 获取节点令牌

# 获取节点令牌
cat /var/lib/rancher/k3s/server/node-token

执行 →

K10a1b2c3d4e5f6g7h8i9j0k1l2m3n4o5p6q7r8s9t0u1v2w3x4y5z6a7b8c9d0e1f2g3=::server:3a4b5c6d7e8f9g0h1i2j3k4l5m6n7o8p9q0r1s2t3u4v5w6x7y8z9

3.1.3 加入工作节点

# 加入工作节点
curl -sfL https://get.k3s.io | K3S_URL=https://<server-ip>:6443 K3S_TOKEN=<node-token> sh -

执行 →

[INFO]  Finding release for channel stable
[INFO]  Using v1.24.4+k3s1 as release
[INFO]  Downloading hash https://github.com/k3s-io/k3s/releases/download/v1.24.4+k3s1/sha256sum-amd64.txt
[INFO]  Downloading binary https://github.com/k3s-io/k3s/releases/download/v1.24.4+k3s1/k3s
[INFO]  Verifying binary download
[INFO]  Installing k3s to /usr/local/bin/k3s
[INFO]  Creating /usr/local/bin/kubectl symlink to k3s
[INFO]  Creating /usr/local/bin/crictl symlink to k3s
[INFO]  Creating /usr/local/bin/ctr symlink to k3s
[INFO]  Creating killall script /usr/local/bin/k3s-killall.sh
[INFO]  Creating uninstall script /usr/local/bin/k3s-agent-uninstall.sh
[INFO]  env: Creating environment file /etc/systemd/system/k3s-agent.service.env
[INFO]  systemd: Creating service file /etc/systemd/system/k3s-agent.service
[INFO]  systemd: Enabling k3s-agent unit
Created symlink /etc/systemd/system/multi-user.target.wants/k3s-agent.service → /etc/systemd/system/k3s-agent.service.
[INFO]  systemd: Starting k3s-agent，学习交流加群风哥QQ113257174。

3.2 安装OpenYurt

3.2.1 安装OpenYurt

# 克隆OpenYurt仓库
git clone https://github.com/openyurtio/openyurt.git
# 进入OpenYurt目录
cd openyurt
# 安装yurtctl
hack/install-yurtctl.sh
# 初始化OpenYurt
yurtctl init --provider k3s

执行 →

✓ Installing yurtctl
✓ Initializing OpenYurt
✓ Waiting for OpenYurt components to be ready
OpenYurt initialization complete

Part04-生产案例与实战讲解

4.1 实战案例：部署边缘应用

4.1.1 创建边缘应用部署

apiVersion: apps/v1
kind: Deployment
metadata:
  name: edge-app
  namespace: default
spec:
  replicas: 2
  selector:
    matchLabels:
      app: edge-app
  template:
    metadata:
      labels:
        app: edge-app
    spec:
      nodeSelector:
        node-role.kubernetes.io/edge: "true"
      containers:
      - name: edge-app
        image: nginx:1.21.0
        ports:
        - containerPort: 80，更多视频教程www.fgedu.net.cn。
        resources:
          limits:
            cpu: 100m
            memory: 128Mi
          requests:
            cpu: 50m
            memory: 64Mi

4.1.2 部署边缘应用

# 部署边缘应用
kubectl apply -f edge-app-deployment.yaml
# 查看应用状态
kubectl get pods -o wide

执行 →

deployment.apps/edge-app created
NAME                        READY   STATUS    RESTARTS   AGE   IP           NODE         NOMINATED NODE   READINESS GATES
edge-app-558b8b4b76-7x7x7   1/1     Running   0          5m    10.42.1.2    edge-node1   <none>           <none>
edge-app-558b8b4b76-8x8x8   1/1     Running   0          5m    10.42.2.3    edge-node2   <none>           <none>

4.2 实战案例：配置边缘节点

4.2.1 标记边缘节点

# 标记边缘节点
kubectl label node edge-node1 node-role.kubernetes.io/edge=true
kubectl label node edge-node2 node-role.kubernetes.io/edge=true

执行 →

node/edge-node1 labeled
node/edge-node2 labeled

4.2.2 配置边缘节点隔离

apiVersion: apps.openyurt.io/v1alpha1
kind: NodePool
metadata:
  name: edge-pool
spec:
  type: Edge
  annotations:
    apps.openyurt.io/nodepool-type: Edge
  labels:
    apps.openyurt.io/nodepool: edge-pool
  taints:
  - effect: NoSchedule
    key: node-role.kubernetes.io/edge
    value: "true"

，更多学习教程公众号风哥教程itpux_com。

4.2.3 应用节点池配置

# 应用节点池配置
kubectl apply -f edge-nodepool.yaml
# 将节点加入节点池
yurtctl join-pool --poolname edge-pool --nodes edge-node1,edge-node2

执行 →

nodepool.apps.openyurt.io/edge-pool created
Nodes edge-node1,edge-node2 joined to pool edge-pool successfully

4.3 实战案例：边缘集群监控

4.3.1 部署Prometheus

# 添加Prometheus Operator仓库
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
# 安装Prometheus Operator
helm install prometheus prometheus-community/kube-prometheus-stack --namespace monitoring --create-namespace

执行 →

NAME: prometheus
LAST DEPLOYED: Thu Nov  2 10:00:00 2023
NAMESPACE: monitoring
STATUS: deployed
REVISION: 1
TEST SUITE: None

4.3.2 配置边缘节点监控

apiVersion: monitoring.coreos.com/v1
kind: ServiceMonitor
metadata:
  name: edge-nodes
  namespace: monitoring
spec:
  selector:
    matchLabels:
      kubernetes.io/os: linux
  endpoints:
  - port: metrics
    interval: 15s
    path: /metrics
    scheme: http

Part05-风哥经验总结与分享

。from K8S+DB视频:www.itpux.com。

5.1 边缘计算最佳实践

  • 选择合适的边缘计算平台：根据边缘环境的资源限制，选择合适的Kubernetes发行版
  • 优化应用：为边缘环境优化应用，减少资源消耗
  • 实施安全措施：为边缘设备实施适当的安全措施
  • 配置监控：为边缘集群配置监控和告警，及时发现问题
  • 备份和恢复：为边缘应用配置备份和恢复策略

5.2 生产环境建议

  • 网络设计：确保边缘集群与云集群之间的网络连接稳定可靠
  • 资源管理：合理分配边缘节点的资源，避免资源耗尽
  • 应用部署：根据边缘节点的资源情况，合理部署应用
  • 数据管理：实施边缘数据的管理策略，确保数据安全和一致性
  • 升级和维护：制定边缘集群的升级和维护策略

5.3 常见问题与解决方案

  • 网络连接问题：确保边缘节点与云集群之间的网络连接稳定
  • 资源不足：优化应用，减少资源消耗，或增加边缘节点的资源
  • 安全问题：实施边缘设备的安全措施，如访问控制、加密等
  • 管理困难：使用边缘计算平台的管理工具，简化边缘集群的管理
  • 数据同步问题：实施边缘数据的同步策略，确保数据一致性

5.4 性能优化建议

  • 应用优化：为边缘环境优化应用，减少资源消耗
  • 网络优化：优化边缘节点与云集群之间的网络连接，减少延迟
  • 存储优化：使用本地存储或边缘存储，减少对云存储的依赖
  • 计算优化：使用边缘计算资源，减少对云计算的依赖
  • 缓存策略：使用缓存减少数据传输，提高响应速度

本文由风哥教程整理发布,仅用于学习测试使用,转载注明出处:http://www.fgedu.net.cn/10327.html

相关推荐

联系我们

在线咨询：点击这里给我发消息

微信号：itpux-com

工作日：9:30-18:30，节假日休息