【k8s-1.34.2安装部署】七.coredns-v1.13.1安装

简介: 本章介绍如何安装并验证coredns-v1.13.1。下载coredns.yaml.base文件,替换镜像地址、DNS域、内存限制及服务IP,应用配置后通过svc和pod验证CoreDNS解析功能是否正常。

简介

本章节主要讲解安装coredns-v1.13.1的安装,并进行验证

== 文章导航===

【k8s-1.34.2安装部署】一.系统初始化及k8s集群规划
【k8s-1.34.2安装部署】二.kubernets软件、证书、配置、脚本等文件准备
【k8s-1.34.2安装部署】三.etcd-v3.6.6 TLS版集群安装
【k8s-1.34.2安装部署】四.kubernets master组件kube-apiserver,kube-controller-manager,kube-scheduler安装
【k8s-1.34.2安装部署】五.worker端containerd2.2.1、kubelet-1.34.2安装
【k8s-1.34.2安装部署】六.企业级部署cilium-1.18.4网络插件
【k8s-1.34.2安装部署】七.coredns-v1.13.1安装
【k8s-1.34.2安装部署】八.metric-server-0.8.0安装
【k8s-1.34.2安装部署】九.k8s管理平台xkube安装部署
【k8s-1.34.2安装部署】十.gateway Api v1.4.0安装
【k8s-1.34.2安装部署】十一.metallb-v0.15.2安装

一.下载并修改coredns配置文件

下载地址:https://github.com/kubernetes/kubernetes/tree/master/cluster/addons/dns/coredns,下载coredns.yaml.base

修改如下:

1.将DNSDOMAIN 更改成 cluster.local
2.将 registry.k8s.io/coredns/coredns:v1.13.1 更改成 registry.cn-hangzhou.aliyuncs.com/google_containers/coredns:v1.13.1
3.将
DNSMEMORYLIMIT 更改成300Mi
4.将
DNSSERVER 更改成 10.96.0.10

71c71
<         kubernetes __DNS__DOMAIN__ in-addr.arpa ip6.arpa {
---
>         kubernetes cluster.local in-addr.arpa ip6.arpa {
136c136
<         image: registry.k8s.io/coredns/coredns:v1.13.1
---
>         image: registry.cn-hangzhou.aliyuncs.com/google_containers/coredns:v1.13.1
140c140
<             memory: __DNS__MEMORY__LIMIT__
---
>             memory: 300Mi 
206c206
<   clusterIP: __DNS__SERVER__
---
>   clusterIP: 10.96.0.10

二.安装coredns

修改完coredns.yaml.base,然后执行命令:kubectl apply -f coredns.yaml.base

三.验证coredns的安装

1.查看coredns安装是否正常
kubectl describe svc coredns -n kube-system,查看Endpoints 是否有IP。有就正常

2.用pod来验证dns的解析

apiVersion: v1
kind: Pod
metadata:
  name: dig
  namespace: default
spec:
  containers:
  - name: dig
    image:  docker.io/azukiapp/dig
    command:
      - sleep
      - "3600"
    imagePullPolicy: IfNotPresent
  restartPolicy: Always

将上述yaml文件保存为dig.yaml,然后执行kubectl apply -f dig.yaml
然后再执行命令来验证解析:

kubectl exec -ti dig -- nslookup kubernetes
kubectl exec -ti dig -- nslookup www.baidu.com

相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
299 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
312 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
867 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
252 113