Kubernetes学习笔记:Ubuntu 16.04中conjure-up的安装配置

本文介绍如何使用conjure-up工具在Ubuntu16.04中快速部署Kubernetes集群,包括conjure-up的安装配置、LXD的安装及配置、网络设置以及验证容器的创建和网络的可访问性。

什么是conjure-up

conjure-up是一种以最小复杂度来部署复杂应用程序的工具。在LXD、juju和MAAS等技术的基础上工作,可以在几分钟内从零开始到完全正常工作的OpenStack,hadoop,Kubernetes等。

conjure-up的安装

硬件需求

对于公共云部署,硬件要求由魔法书(安装脚本)作者制定,并将在部署期间自动分配。
对于localhost部署,建议使用以下设置:

  • 2 核心
  • 16G 内存
  • 32G 交换空间
  • 250G SSD

更新系统

始终建议在运行之前安装最新的软件包conjure-up:

sudo apt update 
sudo apt upgrade

安装conjure-up

conjure-up 可以在Ubuntu Xenial 16.04 LTS和macOS上使用。(macOS上目前没有测试,稍后补上。)

Ubuntu中安装conjure-up

sudo snap install conjure-up --classic

注意: 如果上面的命令失败,您将需要确保安装了snapd :

sudo apt install snapd

附注:snap是一种新的包管理器。

macOS中安装conjure-up

brew install conjure-up

开发中的conjure-up(不必要)

如果要预览下一个版本,可以使用以下命令安装最新的beta版本:

sudo snap install conjure-up --classic --beta

对于最新的更改,请安装该edge版本:

sudo snap install conjure-up --classic --edge

如果您已安装了snap,则可以使用以下命令更新到其他snap通道:

sudo snap install conjure-up --classic --edge

或者:

sudo snap refresh conjure-up --classic --beta

安装配置LXD

conjure-up要求LXD的最低版本为3.0.0。此外,应在运行之前配置LXD。

安装LXD

要安装LXD,请运行以下命令:

sudo snap install lxd 
/snap/bin/lxd init #注意这里没有 sudo

Snaps是推荐的安装方法。在即将发布的Ubuntu版本中,LXD的snap版将是唯一推荐的安装和使用LXD的方法。为获得最佳体验,建议从deb LXD包装迁移:

/snap/bin/lxd.migrate

这样,就将所有容器相关数据移动到snap版本,并清理未使用的debian软件包。

Ubuntu for Desktops

为了访问LXD服务,您的$USER用户(当前用户)需要成为lxd组成员。要将$USER添加到lxd组,请执行以下操作:

sudo usermod -a -G lxd $USER
newgrp lxd

注意: 这只允许当前shell访问lxd组。建议的方法是完全注销系统,以便正确应用lxd组。

具体安装过程请看:

src="https://asciinema.org/a/226224/embed?autoplay=1&loop=1&preload=0" scrolling="no" allowfullscreen="true" width="100%" height="480">
Ubuntu for Servers

默认情况下,Ubuntu Server具有与您的默认$USER关联的lxd组 。要验证,请运行以下命令:

id
uid=1000(ubuntu) gid=1000(ubuntu) groups=1000(ubuntu),4(adm),27(sudo),129(lxd)

如果没有,只需重新运行usermod和newgrp命令:

sudo usermod -a -G lxd $USER
newgrp lxd

LXD存储

/snap/bin/lxc storage list
+---------+-------------+--------+------------------------------------------------+---------+
|  NAME   | DESCRIPTION | DRIVER |                     SOURCE                     | USED BY |
+---------+-------------+--------+------------------------------------------------+---------+
| default |             | dir    | /var/snap/lxd/common/lxd/storage-pools/default | 1       |
+---------+-------------+--------+------------------------------------------------+---------+
/snap/bin/lxc storage show default
config:
  source: /var/snap/lxd/common/lxd/storage-pools/default
description: ""
name: default
driver: dir
used_by:
- /1.0/profiles/default

注: 如果您尝试使用ZFS或btrfs存储在本地主机LXD部署Kubernetes时,存在一些未知问题。最常见的错误是“Waiting for kube-system pods to start”。在找到解决方案之前,请在配置LXD时仅使用 dir 存储后端。

LXD网络

对于localhost部署,LXD必须定义网桥:

/snap/bin/lxc network create lxdbr0 ipv4.address=auto ipv4.nat=true ipv6.address=none ipv6.nat=false

注意:目前conjure-up不支持IPv6。

要验证是否正确配置了网桥,您需要检查配置:

/snap/bin/lxc network show lxdbr0
config:
  ipv4.address: 10.101.64.1/24
  ipv4.nat: "true"
  ipv6.address: none
  ipv6.nat: "false"
description: ""
name: lxdbr0
type: bridge
used_by: []
managed: true

您还需要确保将LXD默认配置文件设置为使用lxdbr0作为其桥接:

/snap/bin/lxc profile show default
config: {}
description: Default LXD profile
devices:
  eth0:
    nictype: bridged
    parent: lxdbr0
    type: nic
  root:
    path: /
    pool: default
    type: disk
name: default
used_by: []

如果这是全新的LXD安装且您的配置文件与上面的配置文件不同,请运行

/snap/bin/lxc profile edit default

并进行必要的调整。

验证容器的创建和网络的可访问性

lxc launch ubuntu:16.04 u1
lxc exec u1 ping ubuntu.com

一旦满意您的容器可以联系到互联网,您可以停止并删除该容器:

lxc stop u1
lxc delete u1

conjure-up的使用

要部署Kubernetes等解决方案,只需运行脚本:

conjure-up kubernetes

要查看所有可用脚本,请运行:

conjure-up

conjure-up的卸载

要删除部署:

conjure-down

要卸载 conjure-up 本身:

sudo snap remove conjure-up

原文地址:https://docs.conjure-up.io/stable/en/

内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值