在Kubernetes环境中引用变量的方法

简介: 总结一下,在Kubernetes环境中引用变量主要有两种方式:一种是通过环境变量,另一种是通过ConfigMaps。前者适合于简单、直接地设置和获取值;后者则更适合于存储和管理复杂、多样化的配置信息。

在Kubernetes环境中,变量的引用主要通过环境变量和ConfigMaps来实现。这两种方式都可以让你在Pod的定义中引用变量,从而使你的应用更加灵活和可配置。

首先,我们来看看如何使用环境变量。Kubernetes允许你在Pod定义中设置环境变量。这些可以是硬编码值,也可以是其他Kubernetes资源(如其他Pods或Secrets)的值。[

例如,在下面的YAML文件中:

apiVersion: v1
kind: Pod
metadata:
  name: envar-demo
spec:
  containers:
    - name: envar-demo-container
      image: gcr.io/google-samples/node-hello:1.0
      env:
        - name: DEMO_GREETING   # 环境变量名字 
          valueFrom:
            fieldRef:
              fieldPath : status.podIP   # 引用podIP作为DEMO_GREETING 的值 
​

上述代码片段创建了一个名为 envar-demo 的pod,并设置了一个名为 DEMO_GREETING 的环境变量,其值从 pod 自身状态信息 status.podIP 中获取。

其次, 我们来看一下ConfigMaps。ConfigMap 是 Kubernetes 提供给我们存储配置信息并供应给 pods 使用的一种资源对象. 定义 ConfigMap 后, 我们就能够将它挂载到 pod 中去.

例如,在下面创建 ConfigMap 的 YAML 文件:

apiVersion : v1
kind : ConfigMap
metadata :
  name : game-demo 
data :
  # 属性类似于键值对 
  player_initial_lives: "3"
  ui_properties_file_name: "user-interface.properties"
​

然后在 Pod 中引用这个 ConfigMap:

apiVersion: v1
kind: Pod
metadata:
  name: configmap-demo-pod 
spec:
 containers:
   - name : demo-container 
     image : gcr.io/google-samples/node-hello:1.0  
     envFrom :
       - configMapRef :
           # 引用上面创建的ConfigMap game-demo  
           name : game-demo   
​

在这个例子中,我们创建了一个名为 game-demo 的ConfigMap,其中包含两个键值对。然后我们在Pod定义中通过 envFromconfigmapRef 引用了这个ConfigMap。结果是Pod内的容器将拥有两个新的环境变量:player_initial_livesui_properties_file_name, 它们的值分别是"3"和"user-interface.properties"。

总结一下,在Kubernetes环境中引用变量主要有两种方式:一种是通过环境变量,另一种是通过ConfigMaps。前者适合于简单、直接地设置和获取值;后者则更适合于存储和管理复杂、多样化的配置信息。

目录
相关文章
|
4天前
|
人工智能 运维 安全
|
2天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
9天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
823 109
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
420 9
|
3天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
4天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
188 127