文章目录

k8s快速入门

2023年1月15日

更新中

K8S发布策略-金丝雀部署（Canary Deployment)

it运维 kubernetes
之前讲了k8s的发布策略：滚动更新和蓝绿部署，今天来说下k8s的发布策略：金丝雀部署。金丝雀部署又称为灰度发布、灰度更新。就是将部分新版本发在旧的容器池里边，然后进行流量观察，比如10%的流量切到新服务上，90%的流量还……

K8S发布策略-滚动更新（rollingUpdate)

it运维 kubernetes
现在很多公司都使用K8S(kubernetes)进行容器管理和编排，今天来说下k8s的发布策略：滚动更新。滚动更新的优点：允许通过使用新的实例逐步更新Pods实例来实现部署的更新，从而实现零停机。应用程序始终可用。在金丝……

K8S发布策略-蓝绿部署（Blue/Green Deployment)

it运维 kubernetes
现在很多公司都使用K8S(kubernetes)进行容器管理和编排，今天来说下k8s的发布策略：蓝绿部署。蓝绿发布通过使用额外的机器资源来解决服务发布期间的不可用问题，当服务新版本出现故障时，也可以快速将流量切回旧版本。……

K8S发布策略-重建(kubernetes)

it运维 kubernetes
现在很多公司都使用K8S(kubernetes)进行容器管理和编排，今天来说下k8s的发布策略：重建。重建（recreate) ：即停止一个原有的容器，然后进行容器的新建。重建这种方式优点是：简单，相当于本地的服务重启一下……

kubernetes 云大数据
k8s常用命令主要由查看类、操作类、高级进阶命令查看类命令 1、获取节点相应服务的信息： kubectl get nodes kubectl get pods 按selector名来查找pod kubectl get pod --selector name=redis 2、查看集群信息 kubectl cluster-info 3、查看各组件信息 kubectl -s http://fffmo.com:8080 get componentstatuses 4、查看pods所在的运行节点 kubectl……

k8s集群维护

kubernetes
k8s集群维护 master节点 1、更改配置文件，重新加载 systemctl daemon-reload 2、启动master相关组件 systemctl start kube-apiserver systemctl start kube-controller-manager systemctl start kube-scheduler 3、停止master相关组件 systemctl stop kube-apiserver systemctl stop kube-controller-manager systemctl stop kube-scheduler 4、重启master相关组件 systemctl restart kube-apiserver systemctl restart kube-controller-manager systemctl restart kube-scheduler 5、查看master相……

技术栈

技术教程
常用技术栈 lvs openresty haproxy redis mysql memcache rabbitmq zookeeper hadoop hbase spark presto kylin , livy , Azkaban , superset Zeppelin etcd k8s hystrix熔断 zipkin链路跟踪 esxi kvm zstack ceph elasticsearch kibana logstatsh zabbix prometheus CI/CD jenkins jira/cf 禅道 git+gerrit disconf consul jumpserver ldap ansible， inception yearning ， asset walle-web CoDo python( flask django) go shell 分布式技术栈基础框架 Spring Cloud，Dubbo，Mot……

k8s部署Jupyter应用

kubernetes
示例模板是一个Jupyter应用，包括一个deployment和service # Define the tensorflow deployment apiVersion: apps/v1 kind: Deployment metadata: name: tf-notebook labels: app: tf-notebook spec: replicas: 1 selector: # define how the deployment finds the pods it mangages matchLabels: app: tf-notebook template: # define the pods specifications metadata: labels: app: tf-notebook spec: containers: - name: tf-notebook image: tensorflow/tensorflow:1.4.1-gpu-py3 resources: limits: nvidia.com/gpu: 1 #指定调用nvidia gpu的数量 ports:……