关于 K8s：入门+实操，这篇就够了

picture.image

猴哥的第 191 期分享，欢迎追看

这是一篇关于 Kubernetes(简称K8s) 的科普+实操 文！

前文，分享了小智AI服务端的完整解决方案：

低至1.5元/天，小智AI服务端，完整解决方案，高可用+可扩展

服务部署在 Sealos 上，很多小伙伴对低成本感兴趣，让单独开一篇sealos的教程。

sealos是啥？

一套基于 K8s 的云操作系统，屏蔽掉 K8s 的复杂性，数据库、网站、对象存储，在 Sealos 里都是一个“应用”。你只需像在手机应用商店一样，点点鼠标，就能把这些服务部署到云上，而不用关心背后复杂的 K8s 配置。

注册体验：https://bja.sealos.run/?uid=QDGJoX2\_Qp

思来想去，要讲 sealos，就得对K8s的基本概念有所了解，否则文章就成了大杂烩，读者获得感不强。

因此，本文，尝试带大家以实操的方式来理解 K8s。

云原生工具，光看没用，自己搭个环境体验一番，亲测方可得真知。

K8s亦如此！

云原生：从 “有云” 到 “用好”

笔者认为，把K8s放到云原生的发展历史中，能更好地理解为什么是现在这个样子！

1.1 什么是云原生

云原生 = 云计算基础设施 + 应用工具链

如果从 应用工具链 看，其核心特征有：

容器化 ：应用及依赖被打包成镜像，运行在容器，保证环境一致性；
微服务 ：应用拆分为独立部署的微服务，单独迭代、故障隔离；
动态编排 ：通过工具自动管理容器的部署、扩缩容、自愈；
持续交付 ：结合 CI/CD 工具，实现代码提交到上线的自动化；
声明式配置 ：通过 “描述目标状态” 而非 “步骤” 来管理系统。

1.2 早期云计算：有云但效率低

早在 2006 年， AWS 推出 EC2（虚拟机服务），标志着 IaaS（基础设施即服务）兴起。

买物理服务器，真麻烦，租用云厂商的虚拟机，真香！

但此时的应用还是传统架构=单体应用+手动部署，无法动态扩缩容。

到这里，尽管实现了把应用搬到了云上，但效率很低。

怎么解决？

1.3 容器技术的突破：Docker

早期容器技术（如 Linux LXC），操作复杂，难以普及。

2013 年 Docker 开源。

成功解决了应用部署的核心痛点：在我电脑上能跑啊！

但只能在我电脑上跑，咋办？

Docker 的解决方案：容器+镜像实现一次打包，到处运行。

镜像（Image）：应用及其依赖的 “快照”，相当于一个 “只读模板”，无论在开发、测试还是生产环境，完全一致；
容器（Container）：镜像的 “运行实例”，基于宿主机内核（非独立 OS），体积小（MB 级）、启动快（秒级），且通过隔离技术（如 Linux Namespace）保证应用间互不干扰。

通过 镜像 + 容器 的简化设计， Docker 成了容器化的事实标准。

从此，云原生有了基础工具。

1.4 编排工具的竞争：K8s

小网站，Docker 容器足矣，手动运维就 OK。

实际场景中，一个应用，拆分成多个微服务，每个服务还有多个实例，成百上千个容器，你怎么管？

此外，还有更多新问题：

如何自动在多台服务器上分配容器（负载均衡）？
某个容器崩溃了，如何自动重启（自愈）？
流量激增时，如何自动增加容器数量（扩缩容）？
如何管理容器间的网络通信（服务发现）？

容器编排工具 应运而生！

2014 年，Google 开源了 K8s。

同期还有 Docker Swarm 等竞争对手，但 K8s 凭借强大的功能和生态，逐渐成为容器编排 的事实标准。

比如“这个服务要 3 个实例”，K8s 的解决方案：

容器调度：根据服务器资源（CPU / 内存）分配容器；
自愈：检测到容器故障时，自动在健康节点重启容器；
扩缩容：根据流量或自定义规则，自动增加 / 减少容器数量；
服务发现与负载均衡：为容器分配统一访问地址，自动分发请求；
滚动更新：更新应用时，逐个替换旧容器，避免服务中断

总结来说：Docker 让容器 能跑，而 K8s 让容器 规模化、稳定地跑。

要做到以上几点，离不开 K8s 中的几个核心概念！

K8s 基本概念

用小区来打个比方：

Namespace：小区的南区/北区（对应 K8s 中测试区、生产区，互不干扰）。
Master：物业中心（管理所有楼栋）。
Node：楼盘里的某一栋楼（实际服务器）。
Pod：住人的房间（容器住的地方，共享水电等基础设施）。
Deployment：物业经理（确保始终有足够的人手，随时替换请假的人）。
Service：门口保安（提供稳定地址，帮你指路）。

2.1 Namespace

Namespace 负责把不同的资源（Pod、Service、Deployment 等）分类存放。

相当于在整个 K8s 集群上，建立相互隔离的几个子集群。

比如创建一个测试环境的 Namespace，再创建一个生产环境的 Namespace，互不干扰。

2.2 Master

K8s 的“大脑”，负责整个集群的管理。

有几个重要角色：

API Server ：对外沟通的窗口，所有指令都经过它。
Scheduler ：调度员，决定新的 Pod 应该放在哪个 Node 上。
Controller Manager ：管家，确保集群状态符合预期（比如 Pod 坏了，自动再创建一个）。
etcd ：一个小数据库，记录整个集群的状态信息。

2.3 Node

工作节点，就是一台实际的服务器（物理机或虚拟机）。

每个 Node 上根据自身资源(cpu/内存)，可以运行很多 Pod。

2.4 Pod

K8s 里的最小部署单位，住在 Node 里面，你可以把它当成一个“小房间”，里面可以住一个或多个容器（通常是一个）。

Pod 里的容器共享网络、存储，彼此通信特别方便。

2.5 Deployment

负责管理 Pod 的“副本数量”和“版本更新”。

假设网站有 3 个 Pod 同时运行，Deployment 会确保：

如果某个 Pod 挂了，自动再建一个。
如果想更新网站，Deployment 会先更新一个 Pod，再更新下一个，确保网站一直可用。

Deployment 就像一个项目经理，确保始终有 3 个员工（Pod）干活，有人请假（Pod 挂了），立即再招一个；想换一批新员工（更新网站），也会一个个换，不影响工作进程。

2.6 Service

负责服务发现与负载均衡。

服务发现 ：给一组 Pod 提供一个稳定的“门牌号”（IP 地址和端口），用户访问这个门牌号就行，不管后面 Pod 怎么变，用户都感知不到。

负载均衡 ：自动把用户的请求平均分给后面的多个 Pod。

当然，关于 K8s，还有很多概念，光看没用，实操中再去理解吧~

下文，我们通过动手搭建一套 K8s 集群，来加深理解。

K8s 集群部署体验

注：以下操作，只需一台装好 Linux 的虚拟机。

3.1 安装 `kubectl`

kubectl 是 K8s 官方的命令行工具，是操作 K8s 集群的 “遥控器”。

因此，本地要先安装好 kubectl 。

  
# linux下直接下载二进制文件 - 57.3M  
curl -LO "https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/linux/amd64/kubectl"  
  
chmod +x kubectl  
sudo mv kubectl /usr/local/bin/

如果下载慢，到官方仓库下载：https://github.com/kubernetes/kubernetes/blob/master/CHANGELOG/CHANGELOG-1.33.md#v1333

测试一下:

  
kubectl version --client  
# 输出：  
Client Version: v1.33.3  
Kustomize Version: v5.6.0

接下来，连接到 K8s 集群，怎么连？

根据配置文件（~/.kube/config）连！

比如，我要连接到 sealos 上的集群，配置文件在这里：

picture.image

把它 copy 到~/.kube/config就 OK 了！

来试试几个最常用的命令吧：

  
kubectl get nodes # 查看集群节点，可能没有这个权限  
kubectl get pods # 查看当前命名空间的Pod  
kubectl get deployments  
kubectl get services

3.2 安装 `helm`

Helm 是 K8s 的「apt / yum」，一键安装、卸载应用的包管理器。

  
# linux下安装  
curl -fsSL https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bash  
helm version   # 看到 v3.x.x 即成功

如果下载慢，可以到官方仓库下载：https://github.com/helm/helm/releases/latest

Helm 安装好之后，同样是通过~/.kube/config和 K8s 集群通信。

快速体验：

  
helm install my-mysql bitnami/mysql   # 一键装个 MySQL  
kubectl get pods                      # 集群里已出现 MySQL Pod  
helm uninstall my-mysql               # 一键卸载

其中bitnami/mysql就是 mysql 安装包，把各种依赖都打包好了。

当然，为了更好地体验 K8s，最好是自己搭建一个集群！

3.3 搭建`K8s`集群的三种方式

要搭建一个K8s集群，有哪些方式？

方式一：手动部署（劝退）

手动操作每个节点，逐一安装组件（kube-apiserver、kube-controller-manager、kube-scheduler、kubelet、kube-proxy 等），并配置证书、网络等。

痛点：步骤繁琐、易出错

为此，sealos 等半自动化工具应运而生~

方式二：半自动化工具（推荐）

Kubernetes 官方提供的集群部署工具

需安装容器运行时
需至少 2 台服务器，1 台控制平面 + 1 台节点

Sealos

无需安装 Docker/containerd，会自动安装；
支持单节点集群；
安装工具开源，web 控制台需购买 License；

Rainbond

和 Sealos 类似
安装工具和控制台均开源；

就笔者体验来看，Sealos/Rainbond 等工具的优势，在于抽象层的降维设计，它把 K8s 复杂的控制器、资源对象封装在底层，让开发者点鼠标就能部署应用，完全不用记 Pod/Service/Ingress 这些概念。

方式三：容器化部署（适合测试）

Sealos/Rainbond 等工具面向的是生产环境，需要一台全新的服务器。

如果我们只是想了解学习，可以考虑容器化部署的方式搭建K8s集群。

只需一台装好 Docker 的机器，通过容器模拟多节点集群，轻量且隔离性好。

下面，我们就用 kind（Kubernetes IN Docker）这款开源工具，拉起一个 K8s集群。

3.4 kind 创建集群

step 1: 安装kind

  
# 下载安装  
curl -Lo ./kind https://kind.sigs.k8s.io/dl/v0.20.0/kind-linux-amd64  
chmod +x ./kind  
sudo mv ./kind /usr/local/bin/  
kind --version  # 输出 kind version 0.20.0 即成功

step 2: 创建集群

  
# 自动拉取 kind 镜像（包含 Kubernetes 组件），并启动 Docker 容器作为集群的 master节点  
kind create cluster  
Creating cluster "kind" ...  
 ✓ Ensuring node image (kindest/node:v1.27.3) 🖼   
 ✓ Preparing nodes 📦    
 ✓ Writing configuration 📜   
 ✓ Starting control-plane 🕹️   
 ✓ Installing CNI 🔌   
 ✓ Installing StorageClass 💾   
Set kubectl context to "kind-kind"  
You can now use your cluster with:kubectl cluster-info --context kind-kind  
# 查看当前存在的 kind 集群名称  
kind get clusters  
# 查看集群节点（kind 集群默认只有一个master节点）  
kubectl get nodes

step 3: 创建Deployment

注：这一步会在 master 节点中拉取应用的镜像，因为现在 k8s 运行在docker容器中，所以无法识别本的镜像，需要将本地镜像先加载到 kind 集群：

  
# kind load docker-image 命令会将你本地 Docker 中的镜像，复制到 kind 集群的所有节点容器（如 kind-control-plane）的内部镜像存储中  
kind load docker-image node:22-slim --name <集群name>

然后，开始创建：

  
kubectl create deployment node --image=node:22-slim

看看实例有没有起来呢：

  
kubectl get pods  
NAME                    READY   STATUS             RESTARTS      AGE  
node-54fb46689f-552gr   0/1     CrashLoopBackOff   4 (34s ago)   117s

失败了，因为我们选用的 node 基础镜像没有运行命令，k8s 根据默认的重启策略（Always），自动重启容器。但多次重启仍失败，触发了退避机制（CrashLoopBackOff），逐渐延长重启间隔。

所以，kubectl create deployment 只适合快速部署 “开箱即用” 的镜像。

如果要加启动命令，最好是写一份配置文件：

  
apiVersion: apps/v1  
kind: Deployment  
metadata:  
  name: node  
spec:  
  replicas: 1  
  selector:  
    matchLabels:  
      app: node  
  template:  
    metadata:  
      labels:  
        app: node  
    spec:  
      containers:  
      - name: node  
        image: node:22-slim  
        command: ["sleep"]  # 启动命令  
        args: ["infinity"]  # 命令参数

再来创建：

  
kubectl apply -f deployment.yaml

这就是你在 sealos 中的看到的 deployment.yaml:

picture.image

step 4: 查看实例

  
# 查看 Deployment（确保期望的 Pod 数量运行）  
kubectl get deployments  
kubectl delete deployment node # 删除后pod也没了  
# 查看 Pod（应用的实际运行实例，被 Deployment 管理）, Pod 实际运行在节点容器（kind-control-plane）内部的容器运行时（containerd）中  
kubectl get pods  
# 如果显示镜像拉取失败,查看日志   
kubectl describe pod node-76478fbd9f-2npqk

3.5 可视化管理工具

K8s Dashboard 是官方提供的 Web 界面工具。

step 1: 一键部署

  
kubectl apply -f https://raw.githubusercontent.com/kubernetes/dashboard/v2.7.0/aio/deploy/recommended.yaml

上述命令，会新建一个新的命名空间：kubernetes-dashboard，其中创建所需的 Deployment、Service 等资源。

  
# 查看命名空间下的资源  
kubectl get all -n kubernetes-dashboard  
# 查看所有命名空间  
kubectl get namespaces or kubectl get ns

如果镜像拉取失败，修改为阿里云的镜像：

  
kubectl set image deployment/dashboard-metrics-scraper \  
  dashboard-metrics-scraper=registry.cn-hangzhou.aliyuncs.com/google\_containers/metrics-scraper:v1.0.8 -n kubernetes-dashboard  
kubectl set image deployment/kubernetes-dashboard \  
  kubernetes-dashboard=registry.cn-hangzhou.aliyuncs.com/google\_containers/dashboard:v2.7.0 -n kubernetes-dashboard

step 2: 创建访问 Dashboard 的管理员账号

创建一个配置文件（dashboard-admin.yaml），内容如下：

  
# 1. 服务账号  
apiVersion: v1  
kind: ServiceAccount  
metadata:  
  name: dashboard-admin  
  namespace: kubernetes-dashboard  
---  
# 2. 与服务账号绑定的 Secret（明确关联）  
apiVersion: v1  
kind: Secret  
metadata:  
  name: dashboard-admin-secret  
  namespace: kubernetes-dashboard  
  annotations:  
    # 关键：指定绑定的服务账号名称  
    kubernetes.io/service-account.name: "dashboard-admin"  
type: kubernetes.io/service-account-token  
---  
# 3. 角色绑定（授权）  
apiVersion: rbac.authorization.k8s.io/v1  
kind: ClusterRoleBinding  
metadata:  
  name: dashboard-admin-binding  
subjects:  
- kind: ServiceAccount  
  name: dashboard-admin  
  namespace: kubernetes-dashboard  
roleRef:  
  kind: ClusterRole  
  name: cluster-admin  
  apiGroup: rbac.authorization.k8s.io

然后运行：

  
kubectl apply -f dashboard-admin.yaml  
# 强制关联 Secret 到服务账号  
kubectl patch serviceaccount dashboard-admin -n kubernetes-dashboard -p '{"secrets": [{"name": "dashboard-admin-secret"}]}'  
# 查看服务账号（ServiceAccount）是否存在  
kubectl get sa -n kubernetes-dashboard dashboard-admin

step 3: 获取登录令牌

  
kubectl get secret dashboard-admin-secret -n kubernetes-dashboard -o jsonpath="{.data.token}" | base64 --decode && echo

step 4: 查看 Dashboard 的 Pod 状态

  
kubectl get pods -n kubernetes-dashboard

step 5: 启动访问代理

  
 kubectl proxy

Dashboard 默认仅集群内部可访问，因此需要暴露本地访问：默认是8001端口：

  
http://localhost:8001/api/v1/namespaces/kubernetes-dashboard/services/https:kubernetes-dashboard:/proxy/

打开上述链接，输入登录令牌，即可查看集群资源：

picture.image

我们只部署了一个节点，这里可以看到节点的可用资源：

picture.image

写在最后

本文分享了一条从 0 到 1 体验 K8s的极简路径，有了这番体感，云原生的大门就打开了。

如果对你有帮助，不妨点赞收藏 备用。

👇 关注猴哥，快速入门AI工具

picture.image

# AI 工具：

本地部署大模型？看这篇就够了，Ollama 部署和实战

盘点9家免费且靠谱的AI大模型 API，统一封装，任性调用！

免费GPU算力本地跑DeepSeek R1，无惧官方服务繁忙！

# AI应用** ：**

弃坑 Coze，我把 Dify 接入了个人微信，AI小助理太强了

我把「FLUX」接入了「小爱」，微信直接出图，告别一切绘画软件！

202K 下载！最强开源OCR：本地部署，邀你围观体验

阿里开源TTS CosyVoice 再升级！语音克隆玩出新花样，支持流式输出

借 WeChatFerry 东风，我把微信机器人复活了！

成本不到50的AI对话机器人，如何自建服务端？自定义角色+语音克隆

成本低至1.5元/天，小智AI服务端，完整解决方案，高可用+可扩展

1.1 什么是云原生

1.2 早期云计算：有云但效率低

1.3 容器技术的突破：Docker

1.4 编排工具的竞争：K8s

2.1 Namespace

2.2 Master

2.3 Node

2.4 Pod

2.5 Deployment

2.6 Service

3.1 安装 kubectl

3.2 安装 helm

3.3 搭建K8s集群的三种方式

3.4 kind 创建集群

3.5 可视化管理工具

写在最后

3.1 安装 `kubectl`

3.2 安装 `helm`

3.3 搭建`K8s`集群的三种方式