K3s 边缘计算：在树莓派上部署轻量级 K8s 集群

K3s 是经 CNCF 认证的轻量级 Kubernetes 发行版，专为边缘计算和资源受限设备（如树莓派）设计。其优势包括：

• 资源占用低：内存需求仅为传统 K8s 的 $1/2$，启动时间缩短 $50%$
• 简化依赖：单一二进制文件替代复杂组件
• ARM 架构支持：完美适配树莓派 $ARMv7/ARMv8$ 处理器

准备工作

1. 硬件要求

   • 树莓派 3B+/4B（建议 2GB+ 内存）
   • MicroSD 卡（32GB+，Class 10）
   • 稳定网络环境（有线连接更佳）

2. 系统配置

   # 安装 64 位 Raspberry Pi OS
   $ sudo apt update && sudo apt full-upgrade -y
   
   # 启用 cgroups（必需）
   $ echo "cgroup_memory=1 cgroup_enable=memory" | sudo tee -a /boot/cmdline.txt
   $ sudo reboot
   

部署 K3s 集群

主节点部署（Server）

# 安装 K3s 并禁用 Traefik（可选）
$ curl -sfL https://get.k3s.io | INSTALL_K3S_EXEC="--disable traefik" sh -s -

# 获取节点凭证
$ sudo cat /etc/rancher/k3s/k3s.yaml > ~/.kube/config

工作节点加入（Agent）

# 获取主节点 Token
$ sudo cat /var/lib/rancher/k3s/server/node-token

# 在工作节点执行（替换 YOUR_SERVER_IP 和 TOKEN）
$ curl -sfL https://get.k3s.io | K3S_URL=https://YOUR_SERVER_IP:6443 K3S_TOKEN=TOKEN sh -

集群验证

1. 检查节点状态

   $ kubectl get nodes
   NAME        STATUS   ROLES    AGE   VERSION
   raspberry   Ready    master   5m    v1.27.6+k3s1
   pi-node1    Ready    <none>   2m    v1.27.6+k3s1
   

2. 部署测试应用

   # test-deployment.yaml
   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: nginx-test
   spec:
     replicas: 2
     selector:
       matchLabels:
         app: nginx
     template:
       metadata:
         labels:
           app: nginx
       spec:
         containers:
         - name: nginx
           image: nginx:alpine
           ports:
           - containerPort: 80
   

   $ kubectl apply -f test-deployment.yaml
   $ kubectl get pods -o wide
   

边缘计算优化策略

1. 资源限制

   resources:
     limits:
       cpu: "0.5"   # 限制单容器 CPU 核数 $\leq 0.5$
       memory: "256Mi"
   

2. 存储方案选择

   • 轻量级存储：local-path-provisioner（默认集成）
   • 持久化方案：Longhorn（分布式块存储）

3. 网络优化

   # 使用 Flannel 的 host-gw 模式
   $ curl -sfL https://get.k3s.io | INSTALL_K3S_EXEC="--flannel-backend=host-gw" sh -
   

典型应用场景

1. 物联网数据处理
   在边缘节点执行数据过滤：
   $$ \text{原始数据量} \Phi \xrightarrow{\text{边缘处理}} \text{有效数据量} \phi \quad \text{其中} \quad \phi = k \cdot \Phi \quad (k < 0.1) $$

2. AI 模型推理
   使用 TensorFlow Lite 部署模型：

   $ kubectl create deployment tflite --image=tensorflow/tflite
   

故障排查指南

注意：树莓派 4B 集群（3 节点）实测资源消耗：

• 空闲状态：内存 $\approx$ 300MB/节点
• 负载状态：CPU 利用率 $\leq 70%$ 时仍保持稳定