0199SK8s上部署StarRocksv315存算分离验证环境
StarRocks 存算分离集群部署指南
以下文章来源于 rundba,作者 landnow。

rundba:数据库及相关 IT 技术分享、交流。
概述
存算分离的 S3 存储(由 Rook 提供)已提前就绪。本文主要验证在 Kubernetes(K8s)上部署 StarRocks(SR),并与 S3 进行对接,部署存算分离组件 FE 和 CN,不包含 BE 组件。

注:存算分离 K8s 是可选的,选择 K8s 是因为 Rook 是基于 K8s 的存储系统,且当前架构计划将 StarRocks 部署到 K8s。
环境准备
- 操作系统:CentOS 7.6 (5.4.261-1.el7.elrepo.x86_64)
- Kubernetes:1.27.6
- Rook-Ceph:v1.12.8(与 StarRocks 在同一个 K8s 集群部署)
- StarRocks Operator:1.8.7
- StarRocks FE:3.1.5
- StarRocks CN:3.1.5
- StarRocks FE-proxy:nginx:1.21.5
1. 存算分离及资源准备
StarRocks 存算分离功能从 3.0 版本开始支持,但存算分离集群需要部署 CN 节点而非 BE 节点。可以理解为 CN 和 BE 是同一个组件,BE 存算分离后变为 CN(Compute Node),CN 只提供计算,而 BE 既有计算,又有存储。
部署 StarRocks 存算分离集群时,需要在 FE 和 CN 的配置文件 fe.conf 和 cn.conf 中添加额外配置项。
1.1 官方存算分离说明
StarRocks 存算分离集群采用了存储计算分离架构,特别为云存储设计。在存算分离模式下,StarRocks 将数据存储在兼容 S3 协议的对象存储(例如 AWS S3、OSS 以及 MinIO)或 HDFS 中,而本地盘作为热数据缓存,用以加速查询。通过存储计算分离架构,您可以降低存储成本并且优化资源隔离。除此之外,集群的弹性扩展能力也得以加强。在查询命中缓存的情况下,存算分离集群的查询性能与存算一体集群性能一致。
相对存算一体架构,StarRocks 的存储计算分离架构提供以下优势:
- 廉价且可无缝扩展的存储。
- 弹性可扩展的计算能力。由于数据不存储在 CN 节点中,因此集群无需进行跨节点数据迁移或 Shuffle 即可完成扩缩容。
- 热数据的本地磁盘缓存,用以提高查询性能。
- 可选异步导入数据至对象存储,提高导入效率。
通过官方说明来看,存算分离主要是作为云端部署而提供,云端存储数据相对是安全有保障的。

图 1:StarRocks 存算分离集群架构图
1.2 本次验证说明
存算分离需要的基础环境:S3 协议对象存储(或 HDFS)、StarRocks,缺一不可。
可以在 K8s 上部署,也可在非 K8s 上部署,只是将数据存储于 S3 或 HDFS 上。当前演示环境在 K8s(云原生)上部署,如果非云原生部署,则在原有架构上将 S3 或 HDFS 配置写入 fe.conf,也可实现存算分离。
- 本次是对 StarRocks 存算分离的私有化部署进行验证,未在云厂商及云端产品中部署,验证后,可采购数台硬件进行物理支撑。
- FE meta、FE log 也需要数据持久化,同样使用 CN 相同方法。如果不做持久化,重启 FE 后,因元数据丢失,不能访问到 S3 数据。
- 验证了本地盘作为 CN 热数据缓存,可以使用 StorageClass 或 LocalPath 实现,本次使用 LocalPath 实现,后续可在生产环境使用该架构进行部署,生产环境可以考虑使用 1-2T NvMe SSD 同时作为 FE meta、log 及 CN cache 磁盘使用。
- 生产环境如果具有高可用 StorageClass,可以使用 StorageClass 替换 LocalPath,使用 LocalPath 作为生产也是可以的,FE 采用 3 副本,CN 也建议多个节点部署,使用 LocalPath 自动扩缩容功能受限。
- S3 存储的信息配置在
fe.conf中,而数据的读写是由 CN 根据 FE 广播 S3 配置,将读写到 S3 中,cn.conf中没有 S3 配置。
1.3 资源说明
- 采用 3 节点主机,安装 K8s,1 个 master,3 个 node,其中主节点同时充当 node 节点。
- rook-ceph 采用 RGW(对象存储)实现 S3 功能,每个节点 2 空闲块外置磁盘,充当 rook-ceph osd 使用。
- StarRocks 和 rook-ceph 部署在同一套 K8s 集群中。
- 外加 1 台作为单节点伪分布式 HDFS,用于 StarRocks 备份,采用 1 副本,较大利用磁盘。
- 同时可以考虑外加 3 台作为 rook-ceph RGW 容灾使用,验证未涉及这部分,生产环境可以考虑规划。
- 每台 K8s/存储节点两块网卡,一个为 public 网络,作为业务使用,一块 cluster 网络,作为 rook-ceph 内部数据同步使用。
资源清单:
| 序号 | 主机名 | CPU | 内存 | 本地磁盘 | 外接磁盘 | 网卡 | 功能描述 |
|---|---|---|---|---|---|---|---|
| 1 | k8s-sr1 | 4c | 16G | 200G | 10G*2 | 1G*2块 | K8s-master/K8s-node1 |
| 2 | k8s-sr2 | 4c | 16G | 200G | 10G*2 | 1G*2块 | K8s-node2 |
| 3 | k8s-sr3 | 4c | 16G | 200G | 10G*2 | 1G*2块 | K8s-node3 |
| 4 | sr-bak | 4c | 16G | 200G | 10G*3 | 1G*2块 | 单机伪分布式,HDFS 共 300G 容量 |
2. rook-ceph S3 存储验证及 fe.conf 配置
部署 StarRocks 前,确保 rook-ceph S3 存储已就绪,S3 作为 StarRocks 对接的存储,如果未能就绪,后续数据读写会有问题。
验证后根据 rook-ceph S3 参数准备 fe.conf 共享存储内容。
2.1 验证 rook-ceph S3 可用性(rook-ceph 知识)
可通过关键参数在 toolbox-operator-image 中设置变量值。这部分为 rook-ceph 知识,对此不熟悉内容,可在我 rook-ceph RGW 对象创建部分了解。
1) 登录 toolbox-operator-image
bash
kubectl -n rook-ceph exec -it deploy/rook-ceph-tools-operator-image -- bash
2) 设置环境变量
每个人环境变量不尽相同,当前是我 rook-ceph 部署的环境信息:
bash
export AWS_HOST=rook-ceph-rgw-my-store.rook-ceph.svc # 如果使用 K8s 内地址,可以使用该地址,如果使用是外部 rook-ceph,可以使用 IP 或域名
export PORT=800
export BUCKET_NAME=ceph-bkt-8c8cfba0-e4f4-4302-a2e5-d693d243e948
export AWS_ACCESS_KEY_ID=Q2HLJBVD739N9XOR3SNZ
export AWS_SECRET_ACCESS_KEY=pevdQm9d82AR1vAuIrVmpUNSth0G6nkQ5KzmmJdG
3) 创建凭据
bash
mkdir ~/.aws
cat > ~/.aws/credentials << EOF
[default]
aws_access_key_id = ${AWS_ACCESS_KEY_ID}
aws_secret_access_key = ${AWS_SECRET_ACCESS_KEY}
EOF
4) 上传和下载对象存储
上传文件到桶中:
bash
echo "Hello Rook" > /tmp/rookObj
s5cmd --endpoint-url http://$AWS_HOST:$PORT cp /tmp/rookObj s3://$BUCKET_NAME
从桶中下载并验证文件:
bash
s5cmd --endpoint-url http://$AWS_HOST:$PORT cp s3://$BUCKET_NAME/rookObj /tmp/rookObj-download
cat /tmp/rookObj-download
2.2 对接 Rook-Ceph S3 参数准备(StarRocks + Ceph 知识)
对于不同的对象存储类型,参考官方链接获取不同的参数值。
存算分离官方链接:
下面以 Ceph S3(rook-ceph)为例,详细参数见“存算分离官方参考”:
plaintext
run_mode = shared_data # 存算分离模式
cloud_native_meta_port = 6090 # 云原生元数据服务监听端口,默认端口 6090
cloud_native_storage_type = S3 # 存储类型 S3
aws_s3_path = ceph-bkt-8c8cfba0-e4f4-4302-a2e5-d693d243e948 # 此处选择 bucket 名称
aws_s3_endpoint = rook-ceph-rgw-my-store.rook-ceph.svc.cluster.local:800 # endpoint 即 http://IP+port,rook-ceph-rgw-my-store.rook-ceph.svc.cluster.local 写法为 K8s 内部域名格式,应当前 rook-ceph 和 starrocks 在同一个集群内部,采用 K8s 内部域名,我的对象存储配置端口为 800
aws_s3_access_key = Q2HLJBVD739N9XOR3SNZ # access_key,每个 bucket 唯一
aws_s3_secret_key = pevdQm9d82AR1vAuIrVmpUNSth0G6nkQ5KzmmJdG # secret_key,每个 bucket 唯一
enable_load_volume_from_conf = true # true 表示 StarRocks 将使用 FE 配置文件中存储相关属性创建内置存储卷 builtin_storage_volume,并将其设置为默认存储卷。但如果没有指定存储相关的属性,StarRocks 将无法启动。
将以上配置加入到 fe.conf 中,后续会提供完整的 fe.conf 配置。
plaintext
...
100 # config for share data mode
101 run_mode = shared_data
102 cloud_native_meta_port = 6090
103 cloud_native_storage_type = S3
104 aws_s3_path = ceph-bkt-8c8cfba0-e4f4-4302-a2e5-d693d243e948
105 #aws_s3_region = <region> # 公有云 aws 需要改参数,ceph 对接不需要该参数
106 aws_s3_endpoint = rook-ceph-rgw-my-store.rook-ceph.svc.cluster.local:800
107 aws_s3_access_key = Q2HLJBVD739N9XOR3SNZ
108 aws_s3_secret_key = pevdQm9d82AR1vAuIrVmpUNSth0G6nkQ5KzmmJdG
109 # create the default storage volume manually after the cluster is created
110 enable_load_volume_from_conf = true
3. 部署 StarRocks Operator
3.1 添加定制资源 StarRocksCluster
创建自定义资源:
bash
curl -O https://raw.githubusercontent.com/StarRocks/starrocks-kubernetes-operator/main/deploy/starrocks.com_starrocksclusters.yaml
kubectl apply -f starrocks.com_starrocksclusters.yaml
3.2 部署 StarRocks Operator
1) 下载 CRDs(StarRocks 在 K8s 中自定义资源定义)
使用默认配置文件或者自定义配置文件部署 StarRocks Operator。
下载用于部署 StarRocks Operator 的配置文件:
bash
curl -O https://raw.githubusercontent.com/StarRocks/starrocks-kubernetes-operator/main/deploy/operator.yaml
2) 部署 Operator
StarRocks Operator 默认会部署至 starrocks 命名空间下,并且管理所有命名空间下的 StarRocks 集群。如果有必要,可修改配置文件进行部署。
bash
kubectl apply -f operator.yaml
3) 检查 Operator 状态
检查 StarRocks Operator 运行状态。如果 Pod 处于 Running 状态且 Pod 内所有容器都 READY,则表示 StarRocks Operator 成功运行。
bash
kubectl -n starrocks get pod
说明:如要更改 StarRocks Operator 所在 Namespace,则需要修改 starrocks 为自定义的 Namespace。
bash
grep -n namespace operator.yaml
4. 部署 StarRocks 集群
4.1 配置示范简述
可以直接使用 StarRocks 提供的配置文件范例,部署 StarRocks 集群(定制资源 StarRocks Cluster 实例化的对象)。例如使用 starrocks-fe-and-be.yaml,部署一个 StarRocks 集群,包含三个 FE 和三个 BE 节点。本次未采用此默认配置,下面提供自定义配置。
bash
curl -O https://raw.githubusercontent.com/StarRocks/starrocks-kubernetes-operator/main/examples/starrocks/starrocks-fe-and-be.yaml
kubectl apply -f starrocks-fe-and-be.yaml
4.2 本次部署 yaml 文件说明
本次未直接使用官方提供的 starrocks-fe-and-be.yaml,因现有主机资源较小,故参考官方提供 yaml 进行修改,分别借鉴 starrocks-fe-and-be.yaml 和 deploy_a_starrocks_cluster_with_fe_proxy.yaml,通过配置部署了 FE、CN、FE-proxy,并同时使用 fe.conf、cn.conf 对组件进行参数定义,方便后续优化。
- FE:使用 localPath,分别缓存 meta(
/opt/starrocks/fe/meta)、log(/opt/starrocks/fe/log),元数据占用空间不大。 - CN:使用 localPath 作为热数据缓存 cn cache(
/opt/starrocks/cn/storage),生产环境可配置 200G - 2T,主要是将热数据从 S3 拉取本地。 - FE-proxy:解决从集群外导入数据提示 K8s 内部域名不能识别问题。
按上述规划,创建 StarRocks 集群需准备好 shared-data-fe-cn-feproxy-v1.0.yaml(内含 fe.conf 和 cn.conf)和 localStorageClassV1.0.yaml,前者作为集群主体,后者作为 localPath 必备的 SC(StorageClass)和 PV(PersistentVolume)。
4.3 准备 shared-data-fe-cn-feproxy-v1.0.yaml 文件
yaml
cat > shared-data-fe-cn-feproxy-v1.0.yaml <<-'EOF'
# This manifest deploys a StarRocks cluster running in shared data mode.
# see https://docs.starrocks.io/en-us/latest/deployment/deploy_shared_data for more information about share data mode.
#
# You will have to download and edit this YAML file to specify the details for your shared storage. See the
# examples in the docs, and add your customizations to the ConfigMap `starrockscluster-sample-fe-cm` at the
# bottom of this file.
# https://docs.starrocks.io/en-us/latest/deployment/deploy_shared_data#configure-fe-nodes-for-shared-data-starrocks
apiVersion: starrocks.com/v1
kind: StarRocksCluster
metadata:
name: a-starrocks-in-share-data-mode # change the name if needed.
namespace: starrocks
spec:
starRocksFeSpec: # 部署 FE 部分
image: starrocks/fe-ubuntu:latest # 镜像版本
replicas: 1 # 当前测试环境启动 1 个 pod,可以后续作为扩容验证,也可启动 3 个
limits:
cpu: 4 # 调小所需的资源,生产环境可调大
memory: 6Gi
requests:
cpu: 1
memory: 2Gi
configMapInfo:
configMapName: starrockscluster-sample-fe-cm # 引用 configmap 作为 fe.conf 内容,可以作为后续参数优化使用,完整内容在后面
resolveKey: fe.conf
storageVolumes:
- name: fe-storage-meta
storageClassName: local-storage # 使用 LocalPath 作为 fe 持久化数据存储
# fe container stop running if the disk free space which the fe meta directory residents, is less than 5Gi.
storageSize: 10Gi
mountPath: /opt/starrocks/fe/meta # fe meta 持久化数据目录
- name: fe-storage-log
storageClassName: local-storage
storageSize: 5Gi
mountPath: /opt/starrocks/fe/log # fe log 持久化数据目录
starRocksCnSpec: # 部署 CN 部分
# cnEnvVars: # 调试时使用参数
# - name: LOG_CONSOLE
# value: "1"
image: starrocks/cn-ubuntu:latest # 镜像版本
replicas: 1 # 当前测试环境启动 1 个 pod,可以后续作为扩容验证,也可启动 3 个
limits:
cpu: 4 # 调小所需的资源,生产环境可调大
memory: 6Gi
requests:
cpu: 1
memory: 2Gi
configMapInfo:
configMapName: starrockscluster-sample-cn-cm # 引用 configmap 作为 cn.conf 内容,可以作为后续参数优化使用,完整内容在后面
resolveKey: cn.conf
storageVolumes:
- name: cn-storage-cache
storageClassName: local-storage # 使用 LocalPath 作为 cn 持久化数据存储
# fe container stop running if the disk free space which the fe meta directory residents, is less than 5Gi.
storageSize: 200Gi
mountPath: /opt/starrocks/cn/storage # cn 缓存等持久化数据目录
starRocksFeProxySpec: # 部署 FE Proxy 部分
image: nginx:latest # 镜像版本
replicas: 1 # 当前测试环境启动 1 个 pod,可以后续作为扩容验证,也可启动 3 个
limits:
cpu: 1 # 调小所需的资源,生产环境可调大
memory: 2Gi
requests:
cpu: 200m
memory: 500Mi
service:
type: NodePort # export fe proxy service
ports:
- containerPort: 8080
name: http-port
nodePort: 30180 # The range of valid ports is 30000-32767
port: 8080
resolver: "kube-dns.kube-system.svc.cluster.local" # this is the default dns server.
---
# fe config
apiVersion: v1
kind: ConfigMap
metadata:
name: starrockscluster-sample-fe-cm
namespace: starrocks
labels:
cluster: starrockscluster-sample
data:
fe.conf: |
LOG_DIR = ${STARROCKS_HOME}/log
DATE = "$(date +%Y%m%d-%H%M%S)"
# 降低 JVM 内存大小为 4G: Xmx4096m, 共 3 处
JAVA_OPTS="-Dlog4j2.formatMsgNoLookups=true -Xmx4096m -XX:+UseMembar -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=7 -XX:+PrintGCDateStamps -XX:+PrintGCDetails -XX:+UseConcMarkSweepGC -XX:+UseParNewGC -XX:+CMSClassUnloadingEnabled -XX:-CMSParallelRemarkEnabled -XX:CMSInitiatingOccupancyFraction=80 -XX:SoftRefLRUPolicyMSPerMB=0 -Xloggc:${LOG_DIR}/fe.gc.log.$DATE"
JAVA_OPTS_FOR_JDK_9="-Dlog4j2.formatMsgNoLookups=true -Xmx4096m -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=7 -XX:+CMSClassUnloadingEnabled -XX:-CMSParallelRemarkEnabled -XX:CMSInitiatingOccupancyFraction=80 -XX:SoftRefLRUPolicyMSPerMB=0 -Xlog:gc*:${LOG_DIR}/fe.gc.log.$DATE:time"
JAVA_OPTS_FOR_JDK_11="-Dlog4j2.formatMsgNoLookups=true -Xmx4096m -XX:+UseG1GC -Xlog:gc*:${LOG_DIR}/fe.gc.log.$DATE:time"
http_port = 8030
rpc_port = 9020
query_port = 9030
edit_log_port = 9010
mysql_service_nio_enabled = true
sys_log_level = INFO
# config for share data mode
# 将之前 S3 的信息填充到下方
run_mode = shared_data
cloud_native_meta_port = 6090
cloud_native_storage_type = S3
aws_s3_path = ceph-bkt-8c8cfba0-e4f4-4302-a2e5-d693d243e948
#aws_s3_region = <region>
aws_s3_endpoint = rook-ceph-rgw-my-store.rook-ceph.svc.cluster.local:800
aws_s3_access_key = Q2HLJBVD739N9XOR3SNZ
aws_s3_secret_key = pevdQm9d82AR1vAuIrVmpUNSth0G6nkQ5KzmmJdG
# create the default storage volume manually after the cluster is created
enable_load_volume_from_conf = true
---
# cn config
apiVersion: v1
kind: ConfigMap
metadata:
name: starrockscluster-sample-cn-cm
namespace: starrocks
labels:
cluster: starrockscluster-sample
data:
cn.conf: |
starlet_port = 9070
storage_root_path = /opt/starrocks/cn/storage
#block_cache_mem_size = 2147483648
#block_cache_disk_size = 21474836480
EOF
4.4 准备 localStorageClassV1.0.yaml 文件
yaml
cat > localStorageClassV1.0.yaml << -'EOF'
apiVersion: storage.k8s.io/v1
kind: StorageClass
metadata:
name: local-storage # StorageClass 名称,可自定义
provisioner: kubernetes.io/no-provisioner
volumeBindingMode: WaitForFirstConsumer
---
apiVersion: v1
kind: PersistentVolume
metadata:
name: starrocks-fe-meta-pv # fe-meta pv 名称
namespace: starrocks
spec:
capacity:
storage: 10Gi # fe meta 大小
volumeMode: Filesystem
accessModes:
- ReadWriteOnce
persistentVolumeReclaimPolicy: Delete
storageClassName: local-storage # 使用上述定义的 SC 名称
local:
path: /opt/starrocks/fe/meta # fe meta 本机路径
nodeAffinity:
required:
nodeSelectorTerms:
- matchExpressions:
- key: kubernetes.io/hostname
operator: In
values:
- k8s-sr1 # 后续 fe-meta 固定在该节点,如果有多个节点,则更改每个节点主机名,需要 label 进行标记
---
apiVersion: v1
kind: PersistentVolume
metadata:
name: starrocks-fe-log-pv # fe-log pv 名称
namespace: starrocks
spec:
capacity:
storage: 5Gi
volumeMode: Filesystem
accessModes:
- ReadWriteOnce
persistentVolumeReclaimPolicy: Delete
storageClassName: local-storage
local:
path: /opt/starrocks/fe/log # fe log 本机路径
nodeAffinity:
required:
nodeSelectorTerms:
- matchExpressions:
- key: kubernetes.io/hostname
operator: In
values:
- k8s-sr1
---
apiVersion: v1
kind: PersistentVolume
metadata:
name: starrocks-cn-cache-pv # cn-cache pv 名称
namespace: starrocks
spec:
capacity:
storage: 200Gi # cn cache 个人建议 200G - 2T
volumeMode: Filesystem
accessModes:
- ReadWriteOnce
persistentVolumeReclaimPolicy: Delete
storageClassName: local-storage
local:
path: /opt/starrocks/cn/storage # cn cache 本机路径
nodeAffinity:
required:
nodeSelectorTerms:
- matchExpressions:
- key: kubernetes.io/hostname
operator: In
values:
- k8s-sr1
EOF
4.5 创建 StarRocks 集群
1) 创建 StarRocks 集群
bash
kubectl apply -f shared-data-fe-cn-feproxy-v1.0.yaml
2) 创建 LocalPath 存储
创建 fe-meta、fe-log、cn-cache 所用到的 local 存储,PVC 会自动创建:
bash
kubectl apply -f localStorageClassV1.0.yaml
3) 查看 pod 已经启动
正常情况下,FE、CN、FE-proxy 都应该为 Running,且 READY 数量都为期望数量,如 1/1, N/N,此时已完成 StarRocks 存算分离部署。
bash
kubectl -n starrocks get pod
4) FE-proxy 镜像拉取缓慢处理(可跳过)
FE-proxy 默认拉取镜像非常缓慢,pod 不能启动:
bash
kubectl -n starrocks describe pod a-starrocks-in-share-data-mode-fe-proxy-857455f4df-pbdpv
nginx:1.24.0 拉取缓慢,经和官方老师确认,可以更换为最新 nginx:latest 版本:
bash
kubectl -n starrocks edit deployments.apps/a-starrocks-in-share-data-mode-fe-proxy
另外一个方法是我当前使用的方法,在 shared-data-fe-cn-feproxy-v1.0.yaml 中的 starRocksFeProxySpec 一段,指定版本,参考如下:
yaml
starRocksFeProxySpec: # 部署 FE Proxy 部分
image: nginx:latest # 镜像版本
该段在“4.3 准备 shared-data-fe-cn-feproxy-v1.0.yaml 文件”中已包含。
5. 访问集群
5.1 在 Kubernetes 集群内通过 MySQL 客户端访问 StarRocks 集群
通过 FE 的 pod 进行验证访问,可以使用通过 FE Service 的 ClusterIP,或者 K8s 内的 service name 进行访问。
Service 的名称默认为 <集群名称>-<组件名称>-service,例如 a-starrocks-in-share-data-mode-fe-service,也可以在每个组件的 spec 中指定 Service 名称。
1) 查看 service 信息
FE service 的 IP 为 11.111.196.31,service name 为 a-starrocks-in-share-data-mode-fe-service,在 K8s 内部都可以通过这两个名称进行访问。
查看 FE Service 内部虚拟 CLUSTER-IP 和端口 PORT(S)。
bash
kubectl -n starrocks get svc
2) K8s 内部登录 FE
bash
kubectl -n starrocks exec -it a-starrocks-in-share-data-mode-fe-0 -- bash
3) 以 CLUSTER-IP 登录 StarRocks
bash
mysql -h 11.111.196.31 -P 9030 -uroot
4) 也可以 service name 登录 StarRocks
bash
mysql -h a-starrocks-in-share-data-mode-fe-service -P 9030 -uroot
5) 查看 FE、CN 节点状态 - 正常
sql
SHOW PROC '/frontends'\G
SHOW PROC '/compute_nodes'\G
5.2 K8s 集群外访问 StarRocks 集群
在 Kubernetes 集群外,支持通过 FE Service 的 LoadBalancer 和 NodePort 访问 StarRocks 集群。以 LoadBalancer 为例:
1) 公有云访问方式(本次不涉及)
将 fe-service 的类型由 ClusterIP 更改为 LoadBalancer,直接使用 external-ip 进行访问,该方法使用云提供商的负载均衡器在外部公开服务。
执行命令 kubectl -n starrocks edit svc a-starrocks-in-share-data-mode-fe-service 更新 StarRocks 集群配置文件,修改 starRocksFeSpec 的 Service 类型为 LoadBalancer。
yaml
starRocksFeSpec:
image: starrocks/fe-ubuntu:3.0-latest
replicas: 3
requests:
cpu: 4
memory: 16Gi
service:
type: LoadBalancer # 指定为 LoadBalancer
查询 FE Service 向外部暴露的 IP 地址 EXTERNAL-IP 和端口 PORT(S)。
bash
kubectl -n starrocks get svc
通过 MySQL 客户端访问 StarRocks 集群:
bash
mysql -h a7509284bf3784983a596c6eec7fc212-618xxxxxx.us-west-2.elb.amazonaws.com -P9030 -uroot
2) 私有云访问方式(本次涉及)
###1 创建 yaml 文件
可以通过 nodeport 进行公开 FE query 和 http port,也可使用 ingress-nginx+DNS 实现域名进行访问,前者可结合 nginx 可以实现高可用访问。下面以 nodeport 对 FE http 和 FE query 进行演示。
yaml
cat > fe-nodeport-svc.yaml <<-'EOF'
apiVersion: v1
kind: Service
metadata:
labels:
app.kubernetes.io/component: fe # svc label, --show-labels
app.starrocks.ownerreference/name: a-starrocks-in-share-data-mode
name: starrocks-fe-nodeport
namespace: starrocks
spec:
ports:
- name: http
port: 8030
protocol: TCP
targetPort: 8030
nodePort: 32030 # http 8030 对外访问端口 32030
- name: query
port: 9030
protocol: TCP
targetPort: 9030
nodePort: 32630 # query 8030 对外访问端口 32630
selector:
app.kubernetes.io/component: fe # pod label, --show-tables
app.starrocks.ownerreference/name: a-starrocks-in-share-data-mode-fe
type: NodePort
EOF
###2 创建 nodePort
bash
kubectl apply -f fe-nodeport-svc.yaml
###3 查看 nodePort
bash
kubectl -n starrocks get svc
###4 在 K8s 外登录 StarRocks
bash
mysql -h192.168.80.20 -P32630 -uroot
6. 官方参考
- StarRocks Operator 官方文档
- StarRocks 存算分离官方文档
- StarRocks 快速入门
- StarRocks Kubernetes Operator 持久化卷挂载指南
- StarRocks Kubernetes Operator 存算分离集群部署示例
- StarRocks Kubernetes Operator FE Proxy 部署示例
- StarRocks 数据缓存配置

end
