【k8s-1.34.2安装部署】九.k8s管理平台xkube安装部署

简介: xkube是一款永久免费、无功能限制的云原生Kubernetes多集群管理工具,支持PC端与APP端,提供集群管理、运维监控、CI/CD发布等功能,助力企业实现跨集群统一管理与自动化运维。

简介

xkube一款永久免费且无任何功能限制的云原生kubernates多集群管理工具,提供PC端和APP端全平台支持,具备完善的集群管理、运维监控和CI/CD发布功能,让企业轻松实现跨集群的统一管理和自动化运维。

== 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

1.第一种部署方式:docker-compose部署

  • 先克隆代码:git clone https://gitee.com/eeenet/xkube.gitgit clone https://github.com/eeenet007/xkube.git,将docker-compose拷贝到服务器后,进入docker-compose目录,执行启动命令:docker-compose up -d

  • 然后浏览器打开:http://ip:8080/
    输入用户名:admin,密码:admin 进行登录,登录后添加k8s配置即可进行管理。停止命令:docker-compose down

  • 行环境版本要求:
    docker版本:version 27.3.1
    docker-compose版本: version v2.32.4 及以上

==注意:xkube的wiki有图片上传功能,配置默认挂载到当前目录,如有需要变更,先修改docker-compose.yml以后再进行执行启动==

2.第二种部署方式:k8s环境部署

  • 上传k8s_deploy.yaml到服务器,修改k8s_deploy.yaml中的mysql和redis的配置,以及ingress的域名,修改以后执行命令:kubectl apply -f k8s_deploy.yaml
  • 部署完成以后将域名解析到k8s的ingress入口IP后,在浏览器打开刚解析的域名。用户名和密码均是admin。
  • 登录以后会提示:读取集群列表失败、读取集群信息失败。这是因为还没有添加k8s集群,添加后就正常了。

1.mysql配置更改:

    #数据库配置时需要导入docker-compose/xkube.sql
    db_host = mysql_server #更改成mysql的IP
    db_port = 3306            #更改成mysql的端口
    db_user = db_xkube        #更改成mysql的用户名
    db_pass = xkube_DB_123456        #更改成mysql的密码
    db_name = db_xkube        #更改成mysql的数据库名
    db_type = mysql

2.redis配置更改

    redisDb = "redis_server:6379"    #更改成redis的IP和端口
    redisPasswd = "Redis_123456"    #更改成redis的密码

    SessionProviderConfig = "redis_server:6379,100,Redis_123456" #更改成redis的IP和端口、密码

3.创建pvc用于wiki上传图片,如不需要可以删除pvc及卷挂载涉及upload的配置
```
volumeMounts:

      - mountPath: /app/conf
        name: config-volume
        readOnly: true
      - mountPath: /app/static/upload
        name: xkube-static-upload 

  volumes:
    - name: xkube-static-upload
      persistentVolumeClaim:
        claimName: xkube-static-upload      
    - configMap:
        defaultMode: 420
        name: xkube-admin-config 
      name: config-volume

> 4.ingres中的域名配置更改

```yaml
spec:
  ingressClassName: nginx
  rules:
  - host: xkube.xxxx.com
    http:
      paths:
      - path: /
        pathType: Prefix
        backend:
          service:
            name: xkube-admin
            port: 
              number: 80

3.第三种部署方式:服务器上安装部署

修改conf/app.conf中的mysql、redis配置后再进行启动

第一步:修改mysql配置

安装完mysql以后,将docker-compose/xkube.sql导入到数据库中,然后修改conf/app.conf中的如下配置:
db_host = mysql_server   #mysql的IP
db_port = 3306    #MySQL的端口
db_user = db_xkube    #mysql的用户名
db_pass = xkube_DB_123456     #mysqld 密码
db_name = db_xkube    #数据库名

第二步:修改redis配置

安装完redis以后:然后修改conf/app.conf中的如下配置:
redisDb = "192.168.1.115:6379"    #redis的IP和端口
redisPasswd = "Redis_123456"    #redis配置设置的密码
SessionProviderConfig = "192.168.1.115:6379,100,Redis_123456"    #将redis的IP、端口、密码进行更改,100这个数字保留即可。

第三步:启动服务

修改完以上配置后:Linux 环境下进入目录直接执行:nohub ./xkube & ,windows环境下执行./xkube.exe即可启动
就可以通过http://ip:8080/index 进行访问了。

第四步:前端若有nginx反向代理需增加如下配置:

    location ~^/xkube/pod/terminal/ws {
        proxy_pass http://127.0.0.1:8080;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Origin "";
    }

第五步:后台设置

1. 登录后台后,默认用户名和密码都是admin,在k8s列表里进行添加需要管理的集群。
2. 当有多个集群时,可以为自己设置一个常用集群,该设置会记录到cookie,下一次登录会继续管理该集群。
3. 完成以上两步以后就可以在线管理k8s 了。

第六步:后台主面板功能说明
0-1.png

4.部署免费tls证书,https环境。

letsencrypt免费证书申请参考:https://xkube.eeenet.net/doc/page/read.html?id=23

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