云原生环境中的边缘计算：从K3s到生产实践

云原生环境中的边缘计算：从K3s到生产实践

🔥 硬核开场

各位技术大佬们，今天咱们来聊聊边缘计算和云原生的那些事儿。别跟我说你还在传统数据中心玩云原生，那都out了！现在的云原生早已经延伸到了边缘，从工厂车间到智能交通，从智能家居到工业物联网，边缘计算正在改变我们的技术格局。今天susu就带你们从K3s开始，一步步搭建边缘计算平台，从部署到运维，全给你整明白！

📋 核心内容

1. 边缘计算与云原生的碰撞

• 边缘计算是什么：在靠近数据产生的地方进行计算，减少延迟，降低带宽成本
• 云原生为什么适合边缘：容器化、编排、自动化，这些云原生特性完美适配边缘环境的资源受限、分布广泛的特点
• 边缘计算的挑战：资源有限、网络不稳定、部署分散、运维复杂

2. K3s：为边缘而生的Kubernetes发行版

K3s是Rancher推出的轻量级Kubernetes发行版，专为边缘计算设计，只有512MB内存就能跑起来。

2.1 K3s的核心特性

• 轻量化：移除了不必要的组件，二进制文件只有不到100MB
• 低资源占用：最低512MB内存就能运行
• 自包含：内置SQLite作为默认存储，也支持外部数据库
• 易于部署：单二进制文件，支持多种安装方式
• 边缘优化：针对ARM架构优化，支持各种边缘设备

2.2 部署K3s服务器

# 安装K3s服务器 curl -sfL https://get.k3s.io | sh -s - server # 查看K3s状态 systemctl status k3s # 查看节点状态 kubectl get nodes # 获取节点令牌（用于添加agent） k3s token create --print

2.3 添加边缘节点

# 在边缘设备上安装K3s agent # 替换TOKEN为上面获取的令牌 # 替换SERVER_IP为K3s服务器的IP curl -sfL https://get.k3s.io | K3S_URL=https://SERVER_IP:6443 K3S_TOKEN=TOKEN sh - # 查看所有节点 kubectl get nodes

3. 边缘应用部署实践

3.1 部署边缘应用示例

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: kubernetes.io/hostname: edge-node-1 # 指定边缘节点 containers: - name: edge-app image: nginx:alpine ports: - containerPort: 80 resources: requests: cpu: "100m" memory: "128Mi" limits: cpu: "500m" memory: "256Mi" --- apiVersion: v1 kind: Service metadata: name: edge-app-service spec: selector: app: edge-app ports: - port: 80 targetPort: 80 type: NodePort

3.2 部署边缘AI推理服务

apiVersion: apps/v1 kind: Deployment metadata: name: edge-ai-inference namespace: default spec: replicas: 1 selector: matchLabels: app: edge-ai template: metadata: labels: app: edge-ai spec: nodeSelector: kubernetes.io/hostname: edge-node-2 containers: - name: edge-ai image: tensorflow/serving:2.10.0 ports: - containerPort: 8501 resources: requests: cpu: "500m" memory: "1Gi" limits: cpu: "2" memory: "2Gi" volumeMounts: - name: model-volume mountPath: /models volumes: - name: model-volume persistentVolumeClaim: claimName: edge-model-pvc

4. 边缘网络管理

边缘环境的网络通常不稳定，需要特殊的网络配置。

4.1 配置边缘网络策略

apiVersion: networking.k8s.io/v1 kind: NetworkPolicy metadata: name: edge-network-policy namespace: default spec: podSelector: matchLabels: app: edge-app ingress: - from: - podSelector: matchLabels: app: edge-proxy ports: - protocol: TCP port: 80 egress: - to: - podSelector: matchLabels: app: edge-db ports: - protocol: TCP port: 5432

4.2 使用MetalLB实现边缘负载均衡

# 安装MetalLB kubectl apply -f https://raw.githubusercontent.com/metallb/metallb/v0.13.7/config/manifests/metallb-native.yaml # 配置IP地址池 cat <<EOF | kubectl apply -f - apiVersion: metallb.io/v1beta1 kind: IPAddressPool metadata: name: edge-ip-pool namespace: metallb-system spec: addresses: - 192.168.1.100-192.168.1.200 EOF # 配置L2广告 cat <<EOF | kubectl apply -f - apiVersion: metallb.io/v1beta1 kind: L2Advertisement metadata: name: edge-l2-advertisement namespace: metallb-system spec: ipAddressPools: - edge-ip-pool EOF

5. 边缘存储管理

边缘设备的存储通常有限，需要合理配置存储策略。

5.1 配置本地存储

apiVersion: storage.k8s.io/v1 kind: StorageClass metadata: name: local-storage defaultClass: false provisioner: kubernetes.io/no-provisioner volumeBindingMode: WaitForFirstConsumer --- apiVersion: v1 kind: PersistentVolume metadata: name: edge-local-pv spec: capacity: storage: 10Gi accessModes: - ReadWriteOnce persistentVolumeReclaimPolicy: Retain storageClassName: local-storage local: path: /mnt/edge-storage nodeAffinity: required: nodeSelectorTerms: - matchExpressions: - key: kubernetes.io/hostname operator: In values: - edge-node-1

5.2 配置存储资源请求

apiVersion: v1 kind: PersistentVolumeClaim metadata: name: edge-app-pvc spec: storageClassName: local-storage accessModes: - ReadWriteOnce resources: requests: storage: 5Gi

6. 边缘监控与可观测性

边缘设备分布广泛，监控尤为重要。

6.1 部署Prometheus和Grafana

# 使用Helm安装Prometheus和Grafana helm repo add prometheus-community https://prometheus-community.github.io/helm-charts helm repo update helm install prometheus prometheus-community/kube-prometheus-stack --namespace monitoring --create-namespace # 查看监控组件 kubectl get pods -n monitoring

6.2 配置边缘节点监控

apiVersion: monitoring.coreos.com/v1 kind: ServiceMonitor metadata: name: edge-node-monitor namespace: monitoring spec: selector: matchLabels: app: edge-app endpoints: - port: metrics interval: 15s

7. 边缘安全管理

边缘设备通常暴露在非受控环境中，安全至关重要。

7.1 配置Pod安全策略

apiVersion: policy/v1beta1 kind: PodSecurityPolicy metadata: name: edge-psp annotations: seccomp.security.alpha.kubernetes.io/allowedProfileNames: 'docker/default' apparmor.security.beta.kubernetes.io/allowedProfileNames: 'runtime/default' seccomp.security.alpha.kubernetes.io/defaultProfileName: 'docker/default' apparmor.security.beta.kubernetes.io/defaultProfileName: 'runtime/default' spec: privileged: false allowPrivilegeEscalation: false requiredDropCapabilities: - ALL volumes: - 'configMap' - 'emptyDir' - 'projected' - 'secret' - 'downwardAPI' - 'persistentVolumeClaim' hostNetwork: false hostIPC: false hostPID: false runAsUser: rule: 'MustRunAsNonRoot' seLinux: rule: 'RunAsAny' supplementalGroups: rule: 'MustRunAs' ranges: - min: 1 max: 65535 fsGroup: rule: 'MustRunAs' ranges: - min: 1 max: 65535

7.2 配置网络安全策略

apiVersion: networking.k8s.io/v1 kind: NetworkPolicy metadata: name: edge-security-policy namespace: default spec: podSelector: matchLabels: app: edge-app policyTypes: - Ingress - Egress ingress: - from: - ipBlock: cidr: 192.168.1.0/24 ports: - protocol: TCP port: 80 egress: - to: - ipBlock: cidr: 10.0.0.0/8 ports: - protocol: TCP port: 443

🛠️ 最佳实践

1. 资源管理：

   • 为边缘应用设置合理的资源限制，避免资源耗尽
   • 使用节点亲和性将应用部署到合适的边缘节点
   • 定期清理未使用的资源，保持边缘节点健康

2. 网络优化：

   • 配置边缘节点的网络QoS，确保关键应用的网络优先级
   • 使用本地缓存减少对云中心的网络依赖
   • 实现边缘节点间的通信优化，减少延迟

3. 存储策略：

   • 优先使用本地存储，减少网络存储的依赖
   • 实现数据分层存储，热数据保存在本地，冷数据同步到云中心
   • 配置存储配额，避免单个应用占用过多存储资源

4. 监控与告警：

   • 部署轻量级监控组件，减少监控对边缘资源的消耗
   • 设置关键指标的告警，及时发现边缘节点的异常
   • 实现监控数据的边缘处理，只将必要的数据传输到云中心

5. 安全防护：

   • 为边缘节点配置防火墙，限制不必要的网络访问
   • 定期更新边缘节点的系统和容器镜像，修复安全漏洞
   • 实现边缘节点的身份认证和授权管理

6. 灾备与恢复：

   • 实现边缘应用的自动重启和故障转移
   • 配置关键数据的备份策略，确保数据安全
   • 建立边缘节点的快速恢复机制，减少故障时间

📊 总结

边缘计算与云原生的结合，正在开启一个全新的技术时代。通过本文的实践，你应该已经掌握了：

• 使用K3s部署轻量级Kubernetes集群到边缘设备
• 部署和管理边缘应用，包括AI推理服务
• 配置边缘网络、存储和安全策略
• 实现边缘监控与可观测性
• 应用边缘计算的最佳实践

记住，边缘计算的核心是靠近数据产生的地方进行处理，减少延迟，提高效率。在实施边缘计算时，要根据实际场景选择合适的技术栈和部署策略。

susu碎碎念：

• K3s虽然轻量，但生产环境还是要做好资源规划
• 边缘设备的网络环境复杂，要做好网络容错设计
• 安全是边缘计算的重中之重，不要忽视安全配置
• 监控要轻量化，避免监控本身成为边缘节点的负担

觉得有用？点个赞再走！咱们下期见～ 🔥