玩转 K3s：轻量级 Kubernetes 的高效部署与实践

引言：为什么选择 K3s？

在 Kubernetes 生态中，K3s 以其轻量化、易部署、低资源消耗的特性脱颖而出。作为 CNCF 认证的 Kubernetes 发行版，K3s 专为边缘计算、IoT 和资源受限环境设计，去除了非核心组件（如 etcd、云控制器），将核心二进制文件压缩至不足 100MB。对于开发者而言，K3s 提供了“开箱即用”的 Kubernetes 体验，无需复杂配置即可快速验证应用；对于企业用户，它降低了运维成本，支持在树莓派、虚拟机甚至物理机上快速构建集群。

一、K3s 的核心优势解析

1.1 极简架构，资源友好

K3s 采用嵌入式 SQLite 数据库替代 etcd，将控制平面组件（API Server、Scheduler、Controller Manager）合并为单个进程，显著减少内存占用。实测数据显示，单节点 K3s 仅需 512MB 内存即可运行，相比标准 Kubernetes 节省 60% 以上资源。这一特性使其成为边缘设备、CI/CD 流水线或开发测试环境的理想选择。

1.2 一键安装，快速上手

K3s 的安装命令简洁到令人惊叹：

curl -sfL https://get.k3s.io | sh -

此命令会自动完成以下操作：

• 下载并验证 K3s 二进制文件
• 配置为 systemd 服务并启动
• 生成 kubeconfig 文件（默认路径：/etc/rancher/k3s/k3s.yaml）

安装完成后，通过 kubectl get nodes 即可验证集群状态，整个过程不超过 1 分钟。

1.3 高可用支持，企业级扩展

尽管 K3s 默认使用 SQLite，但它也支持外部数据库（如 MySQL、PostgreSQL）实现高可用。通过配置 --datastore 参数，可将多个 K3s 服务器节点组成集群，数据通过外部数据库同步，确保控制平面无单点故障。例如：

# 节点1（主节点）
k3s server --datastore-endpoint="mysql://user:pass@tcp(db-host:3306)/k3s"
# 节点2（从节点）
k3s server --server https://<主节点IP>:6443 --token <共享令牌> --datastore-endpoint="mysql://user:pass@tcp(db-host:3306)/k3s"

二、K3s 部署实践：从单机到集群

2.1 单机模式：开发测试利器

对于本地开发，单机 K3s 是最佳选择。安装后，可通过以下步骤快速部署应用：

# 1. 配置 kubectl 使用 K3s 的 kubeconfig
export KUBECONFIG=/etc/rancher/k3s/k3s.yaml
# 2. 部署一个 Nginx Pod
kubectl apply -f - <<EOF
apiVersion: v1
kind: Pod
metadata:
  name: nginx
spec:
  containers:
  - name: nginx
    image: nginx:alpine
    ports:
    - containerPort: 80
EOF
# 3. 验证部署
kubectl port-forward nginx 8080:80 &
curl http://localhost:8080  # 应返回 Nginx 欢迎页

2.2 多节点集群：生产环境部署

构建多节点集群时，需注意以下关键步骤：

1. 主节点初始化：

   k3s server --tls-san <主节点IP> --node-name master

   --tls-san 参数确保其他节点可通过 IP 或域名访问 API Server。

2. 从节点加入：
   在主节点执行 sudo cat /var/lib/rancher/k3s/server/node-token 获取令牌，然后在从节点运行：

   k3s agent --server https://<主节点IP>:6443 --token <令牌> --node-name worker1

3. 验证集群状态：

   kubectl get nodes
   # 输出应显示所有节点为 Ready 状态

2.3 持久化存储配置

K3s 默认使用本地存储，但生产环境需配置持久化存储方案。以 Longhorn 为例：

# 1. 添加 Longhorn Helm 仓库
helm repo add longhorn https://charts.longhorn.io
# 2. 部署 Longhorn
kubectl create namespace longhorn-system
helm install longhorn longhorn/longhorn --namespace longhorn-system
# 3. 创建使用 Longhorn 的 PVC
kubectl apply -f - <<EOF
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
  name: mypvc
spec:
  accessModes:
    - ReadWriteOnce
  storageClassName: longhorn
  resources:
    requests:
      storage: 10Gi
EOF

三、K3s 高级玩法：解锁边缘计算潜力

3.1 离线环境部署

在无互联网访问的环境中，可通过以下步骤预下载镜像：

# 1. 在有网络的机器上拉取镜像
docker pull rancher/k3s:v1.25.3
docker save rancher/k3s:v1.25.3 > k3s.tar
# 2. 传输到目标机器并加载
docker load -i k3s.tar
# 3. 使用 --image-path 参数指定镜像路径
k3s server --image-path /path/to/images

3.2 自定义 Traefik Ingress

K3s 默认集成 Traefik 作为 Ingress Controller，可通过 ConfigMap 自定义配置：

apiVersion: v1
kind: ConfigMap
metadata:
  name: traefik-config
  namespace: kube-system
data:
  traefik.toml: |
    [entryPoints]
      [entryPoints.web]
        address = ":80"
      [entryPoints.websecure]
        address = ":443"
    [providers]
      [providers.kubernetesIngress]
        ingressClass = "traefik"

应用后，Traefik 将根据配置处理 Ingress 规则。

3.3 监控与日志方案

结合 Prometheus 和 Grafana 实现监控：

# 1. 部署 Prometheus Operator
kubectl apply -f https://raw.githubusercontent.com/prometheus-operator/prometheus-operator/master/bundle.yaml
# 2. 配置 K3s 指标端点
# 修改 /etc/rancher/k3s/k3s.yaml，在 server 启动参数中添加：
# --kubelet-arg=feature-gates=MetricsServer=true
# --kubelet-arg=container-log-max-size=10Mi
# --kubelet-arg=container-log-max-files=5
# 3. 部署 Grafana
helm install grafana grafana/grafana --set persistence.enabled=true

四、常见问题与优化建议

4.1 资源不足时的调优

• 限制 Pod 资源：通过 LimitRange 和 ResourceQuota 防止资源耗尽。
• 调整 K3s 参数：如 --kubelet-arg=eviction-hard=memory.available<500Mi 设置内存驱逐阈值。

4.2 网络插件选择

K3s 默认使用 Flannel（VXLAN 模式），如需高性能可切换为 Calico：

k3s server --flannel-backend=none
kubectl apply -f https://docs.projectcalico.org/manifests/calico.yaml

4.3 升级与回滚策略

升级 K3s 时，建议先备份数据并测试：

# 升级
k3s-killall.sh
curl -sfL https://get.k3s.io | sh -s - --server-url https://<主节点IP>:6443
# 回滚（需提前保存旧版本二进制文件）
systemctl stop k3s
cp /path/to/k3s-old /usr/local/bin/k3s
systemctl start k3s

结论：K3s 的适用场景与未来展望

K3s 的轻量化特性使其在边缘计算、CI/CD 流水线、开发测试环境中表现卓越。随着 Kubernetes 生态向轻量化发展，K3s 有望成为更多场景的首选。对于开发者，建议从单机模式入手，逐步探索集群部署与高级功能；对于企业用户，需重点关注高可用方案与持久化存储配置。未来，K3s 可能进一步集成 Serverless 能力，成为云原生时代的“瑞士军刀”。