当前位置:首页 > 文章列表 > 文章 > linux > Linux安装Longhorn存储教程

Linux安装Longhorn存储教程

2026-04-27 10:07:40 0浏览 收藏
本文全面详解了在Linux环境下为Kubernetes集群部署Longhorn分布式块存储的五种主流方式——从适合生产环境快速落地的Helm一键部署、灵活可控的kubectl YAML清单部署,到与Rancher深度集成的统一运维方案,再到满足高安全要求的离线环境部署,以及对Windows混合节点的适配支持;每种方式均配有清晰的操作步骤、关键配置说明和注意事项,帮助运维人员根据实际网络条件、工具链成熟度和安全合规要求,精准选择并高效完成Longhorn的安装与验证。

Linux怎么安装Longhorn存储_Linux K8s Longhorn部署配置【高级】

一、使用Helm Chart一键部署

如果您已在Kubernetes集群中安装Helm v3且配置了可用的kubeconfig,Longhorn可通过官方Helm仓库快速部署。该方式自动处理RBAC、CRD及命名空间创建,适合生产环境标准化交付。

1、添加Longhorn Helm仓库并更新索引:

helm repo add longhorn https://charts.longhorn.io

helm repo update

2、创建longhorn-system命名空间并启用自动创建:

helm install longhorn longhorn/longhorn --namespace longhorn-system --create-namespace --set defaultSettings.defaultDataPath="/var/lib/longhorn"

3、验证部署状态:

kubectl -n longhorn-system get pods -l app=longhorn-manager

所有longhorn-manager Pod必须处于Running状态,且Ready为1/1

二、使用kubectl直接应用YAML清单

当集群未安装Helm或需精确控制资源定义时,可直接通过kubectl部署官方发布的longhorn.yaml。该清单已预置所有必需组件,包括CRD、ServiceAccount、RoleBinding及DaemonSet。

1、下载最新稳定版YAML文件(以v1.6.2为例):

curl -LO https://github.com/longhorn/longhorn/releases/download/v1.6.2/longhorn.yaml

2、修改data-path路径(可选,确保目标路径在所有节点存在且有写权限):

sed -i 's|/var/lib/longhorn|/data/longhorn|g' longhorn.yaml

3、执行部署:

kubectl apply -f longhorn.yaml

执行前必须确认所有节点已安装open-iscsi且iscsid服务处于active状态

三、Rancher集成部署

若集群由Rancher v2.6+统一纳管,Longhorn可作为Catalog App直接部署。该方式自动注入Rancher特定标签与监控集成,适用于多集群统一运维场景。

1、登录Rancher UI,进入目标集群的Apps页面

2、点击【Launch】→ 搜索“longhorn” → 选择“Longhorn”应用(来源:rancher-charts)

3、在配置界面设置以下关键参数:

namespace: longhorn-system

defaultSettings.taintToleration: "node-role.kubernetes.io/controlplane:NoSchedule"

4、点击【Launch】提交部署

Rancher部署后需手动检查longhorn-system命名空间下DaemonSet是否成功调度至所有worker节点

四、离线环境部署(Air-Gapped)

在无外网访问能力的生产环境中,需预先拉取镜像并构建本地仓库。该方案避免运行时网络依赖,满足金融、政务等高安全等级要求。

1、在可联网机器上执行镜像导出:

docker pull longhornio/longhorn-manager:v1.6.2

docker pull longhornio/longhorn-engine:v1.6.2

docker pull longhornio/longhorn-ui:v1.6.2

docker save longhornio/longhorn-manager:v1.6.2 longhornio/longhorn-engine:v1.6.2 longhornio/longhorn-ui:v1.6.2 > longhorn-images.tar

2、将tar包拷贝至内网集群任一节点,加载镜像:

docker load

3、推送至内网Harbor仓库(假设地址为harbor.internal/longhorn):

docker tag longhornio/longhorn-manager:v1.6.2 harbor.internal/longhorn/manager:v1.6.2

docker push harbor.internal/longhorn/manager:v1.6.2

4、修改longhorn.yaml中的image字段为内网地址,并执行kubectl apply

离线部署必须同步替换所有组件镜像地址,包括manager、engine、ui、instance-manager

五、Windows节点适配部署

在Linux与Windows混合Kubernetes集群中,Longhorn需额外启用CSI Windows支持模块。Windows节点不运行longhorn-manager DaemonSet,但需配置iSCSI initiator及网络策略以挂载卷。

1、在Windows节点上启用iSCSI发起程序:

Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-ISCSI-Initiator -All -NoRestart

2、配置Windows防火墙放行Longhorn端口:

New-NetFirewallRule -DisplayName "Longhorn iSCSI" -Direction Inbound -Protocol TCP -LocalPort 3260 -Action Allow

3、在Linux控制节点部署时启用Windows支持:

helm install longhorn longhorn/longhorn --namespace longhorn-system --create-namespace --set windows.enabled=true

Windows节点必须已通过kubeadm或k3s正确加入集群,且Node对象的OS字段为windows

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Linux安装Longhorn存储教程》文章吧,也可关注golang学习网公众号了解相关技术文章。

WPS模板位置与使用方法详解WPS模板位置与使用方法详解
上一篇
WPS模板位置与使用方法详解
PerplexityAPI最贵请求怎么查?
下一篇
PerplexityAPI最贵请求怎么查?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    253次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    298次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    270次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    250次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    57次使用