Vollständige Beispiele
Produktions-Cluster
production-cluster.yaml
apiVersion: apps.cozystack.io/v1alpha1
kind: Kubernetes
metadata:
name: production
namespace: company-prod
labels:
environment: production
criticality: high
team: platform
spec:
# Cluster-Konfiguration
host: "k8s-prod.company.com"
storageClass: "replicated"
# Hochverfügbare Steuerungsebene
controlPlane:
replicas: 3
# Spezialisierte Node Groups
nodeGroups:
# Allgemeine Knoten mit Ingress
web:
minReplicas: 3
maxReplicas: 10
instanceType: "s1.large"
ephemeralStorage: 50Gi
roles:
- ingress-nginx
# Compute-Knoten für intensive Workloads
compute:
minReplicas: 1
maxReplicas: 5
instanceType: "u1.4xlarge" # 16 vCPU, 64 GB RAM
ephemeralStorage: 100Gi
roles: []
# Dedizierte Monitoring-Knoten
monitoring:
minReplicas: 2
maxReplicas: 4
instanceType: "m1.xlarge" # 4 vCPU, 32 GB RAM
ephemeralStorage: 200Gi
roles:
- monitoring
# Vollständige Add-ons
addons:
# Automatische SSL-Zertifikate
certManager:
enabled: true
valuesOverride:
prometheus:
enabled: true
# HTTP/HTTPS-Exposition
ingressNginx:
enabled: true
hosts:
- "app.company.com"
- "api.company.com"
- "*.services.company.com"
valuesOverride:
controller:
replicaCount: 3
resources:
requests:
cpu: 200m
memory: 256Mi
# GitOps für Bereitstellungen
fluxcd:
enabled: true
valuesOverride:
gitRepository:
url: "https://github.com/company/k8s-production"
branch: "main"
# Vollständiges Monitoring
monitoringAgents:
enabled: true
valuesOverride:
fluentbit:
enabled: true
Entwicklungs-Cluster
development-cluster.yaml
apiVersion: apps.cozystack.io/v1alpha1
kind: Kubernetes
metadata:
name: development
namespace: company-dev
labels:
environment: development
auto-cleanup: "7d"
spec:
# Basiskonfiguration
host: "k8s-dev.company.local"
storageClass: "replicated"
# Minimale Steuerungsebene
controlPlane:
replicas: 1 # Ressourcen sparen
# Einzelne Allzweck-Node Group
nodeGroups:
general:
minReplicas: 1
maxReplicas: 3
instanceType: "s1.medium"
ephemeralStorage: 30Gi
roles:
- ingress-nginx
# Nur wesentliche Add-ons
addons:
certManager:
enabled: true
ingressNginx:
enabled: true
hosts:
- "*.dev.company.local"
valuesOverride:
controller:
replicaCount: 1 # Minimale Replikation
ML/AI-Cluster mit GPU
ml-cluster.yaml
apiVersion: apps.cozystack.io/v1alpha1
kind: Kubernetes
metadata:
name: machine-learning
namespace: company-ai
labels:
environment: ai
workload: gpu
spec:
host: "k8s-ai.company.com"
storageClass: "fast-ssd" # Hochleistungsspeicher
controlPlane:
replicas: 2
nodeGroups:
# Standardknoten für Orchestrierung
system:
minReplicas: 2
maxReplicas: 4
instanceType: "s1.large"
ephemeralStorage: 50Gi
roles:
- ingress-nginx
# GPU-Knoten für ML-Workloads
gpu:
minReplicas: 0 # Skalierung auf Null möglich
maxReplicas: 10
instanceType: "u1.2xlarge"
gpus: # Instanz mit GPU
- name: nvidia.com/AD102GL_L40S # Nvidia L40S
ephemeralStorage: 500Gi # Großer Speicher für Datasets
roles: []
addons:
certManager:
enabled: true
monitoringAgents:
enabled: true
valuesOverride:
# Spezialisiertes GPU-Monitoring
dcgmExporter:
enabled: true
💡 Best Practices
- Verwenden Sie Labels, um Ihre Cluster nach Umgebung zu organisieren
- Konfigurieren Sie RBAC von Beginn an, um den Zugriff abzusichern
- Aktivieren Sie das Monitoring für vollständige Observability
- Planen Sie die Kapazität mit geeigneten Node Groups
- Testen Sie die Sicherungen regelmäßig
⚠️ Achtung
- Löschungen sind irreversibel — denken Sie an Sicherungen
- Updates können Auswirkungen auf die Workloads haben
- Prüfen Sie die Kompatibilität der Add-ons mit den Kubernetes-Versionen