在8G内存的Mac上，我是如何用Vagrant+VirtualBox搭建三节点K8s学习环境的
在8G内存的Mac上搭建三节点Kubernetes学习环境的完整指南
1. 环境准备与资源规划
对于只有8GB内存的MacBook用户来说，搭建多节点Kubernetes集群看似不可能完成的任务。但通过合理的资源分配和优化配置，完全可以实现这一目标。以下是关键准备工作：
硬件资源配置方案：
| 节点类型 | 内存分配 | CPU核心 | 磁盘空间 | 网络模式 |
|---|---|---|---|---|
| Master节点 | 2.5GB | 2核 | 20GB | Host-Only |
| Worker节点 | 1.5GB | 1核 | 15GB | Host-Only |
| Worker节点 | 1.5GB | 1核 | 15GB | Host-Only |
| 保留资源 | 2.5GB | - | - | 宿主机使用 |
必要软件清单：
- Vagrant 2.2.19+
- VirtualBox 6.1.28+
- kubectl 1.22+
- Helm 3.7+
提示：建议关闭所有非必要应用程序，特别是内存占用大的IDE和浏览器标签页。在系统偏好设置中调整Docker内存限制为4GB左右。
2. 轻量化集群搭建步骤
2.1 虚拟机配置
使用Vagrant定义三台轻量级虚拟机：
# Vagrantfile配置 Vagrant.configure("2") do |config| config.vm.box = "generic/ubuntu2004" # Master节点 config.vm.define "k8s-master" do |master| master.vm.hostname = "k8s-master" master.vm.network "private_network", ip: "192.168.56.10" master.vm.provider "virtualbox" do |vb| vb.memory = 2560 vb.cpus = 2 vb.customize ["modifyvm", :id, "--natdnshostresolver1", "on"] end end # Worker节点 (1..2).each do |i| config.vm.define "k8s-worker#{i}" do |worker| worker.vm.hostname = "k8s-worker#{i}" worker.vm.network "private_network", ip: "192.168.56.1#{i}" worker.vm.provider "virtualbox" do |vb| vb.memory = 1536 vb.cpus = 1 end end end end启动虚拟机集群：
vagrant up --parallel2.2 Kubernetes集群初始化
在Master节点执行：
# 安装必要工具 sudo apt-get update && sudo apt-get install -y apt-transport-https curl # 添加Kubernetes源 curl -s https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add - echo "deb https://apt.kubernetes.io/ kubernetes-xenial main" | sudo tee /etc/apt/sources.list.d/kubernetes.list # 安装指定版本（更轻量） sudo apt-get update && sudo apt-get install -y kubelet=1.22.4-00 kubeadm=1.22.4-00 kubectl=1.22.4-00 # 初始化集群（关键参数优化） sudo kubeadm init \ --apiserver-advertise-address=192.168.56.10 \ --pod-network-cidr=10.244.0.0/16 \ --service-cidr=10.96.0.0/12 \ --control-plane-endpoint=192.168.56.10 \ --image-repository registry.aliyuncs.com/google_containers \ --kubernetes-version v1.22.42.3 网络插件安装
使用轻量级的Flannel网络插件：
kubectl apply -f https://raw.githubusercontent.com/coreos/flannel/master/Documentation/kube-flannel.yml验证网络组件：
kubectl get pods -n kube-system -l app=flannel3. 关键优化策略
3.1 资源限制配置
节点资源预留（防止系统崩溃）：
# /var/lib/kubelet/config.yaml apiVersion: kubelet.config.k8s.io/v1beta1 kind: KubeletConfiguration systemReserved: cpu: "0.5" memory: "512Mi" kubeReserved: cpu: "0.25" memory: "256Mi" evictionHard: memory.available: "200Mi"部署资源限制示例：
apiVersion: apps/v1 kind: Deployment metadata: name: nginx-deployment spec: replicas: 2 template: spec: containers: - name: nginx image: nginx:1.21-alpine resources: limits: cpu: "0.5" memory: "256Mi" requests: cpu: "0.25" memory: "128Mi"3.2 存储方案选择
对于开发环境，使用hostPath提供持久化存储：
apiVersion: v1 kind: PersistentVolume metadata: name: hostpath-pv spec: storageClassName: manual capacity: storage: 5Gi accessModes: - ReadWriteOnce hostPath: path: "/mnt/data"4. 典型问题解决方案
4.1 内存不足处理
现象：Pod频繁被Evicted或节点NotReady
解决方法：
- 调整kubelet配置：
sudo vi /var/lib/kubelet/config.yaml # 修改evictionHard参数 evictionHard: memory.available: "100Mi" nodefs.available: "10%"- 设置Pod优先级：
apiVersion: scheduling.k8s.io/v1 kind: PriorityClass metadata: name: high-priority value: 1000000 globalDefault: false description: "用于关键系统组件"4.2 网络连接问题
跨节点通信故障排查步骤：
- 检查Flannel Pod状态
- 验证节点路由表：
ip route show- 测试跨节点连通性：
kubectl run -it --rm --image=alpine testpod -- ping <其他节点IP>5. 开发工具集成
5.1 本地访问配置
设置kubectl本地访问：
mkdir -p $HOME/.kube vagrant ssh k8s-master -c "sudo cat /etc/kubernetes/admin.conf" > $HOME/.kube/config5.2 可视化工具部署
安装轻量版Dashboard：
kubectl apply -f https://raw.githubusercontent.com/kubernetes/dashboard/v2.3.1/aio/deploy/recommended.yaml # 创建访问Token kubectl create serviceaccount dashboard-admin -n kubernetes-dashboard kubectl create clusterrolebinding dashboard-admin --clusterrole=cluster-admin --serviceaccount=kubernetes-dashboard:dashboard-admin kubectl -n kubernetes-dashboard describe secret $(kubectl -n kubernetes-dashboard get secret | grep dashboard-admin | awk '{print $1}')端口转发访问：
kubectl port-forward -n kubernetes-dashboard service/kubernetes-dashboard 8443:4436. 进阶学习建议
完成基础环境搭建后，可以进一步探索：
微服务部署实践
- 使用Helm部署Spring Cloud应用
- 配置Ingress实现服务暴露
监控方案
# 轻量级监控 kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yamlCI/CD集成
# 安装Tekton Pipelines kubectl apply --filename https://storage.googleapis.com/tekton-releases/pipeline/latest/release.yaml
这套环境虽然资源有限，但完整包含了Kubernetes的核心功能组件，非常适合学习各种原生API和控制器的工作原理。当需要更复杂功能时，可以考虑使用Minikube或Kind等工具在本地创建更完整的集群环境。