Linux:kubernetes(k8s)lable和selecto标签和选择器的使用(11)

通过标签是可以让我们的容器和容器之间相互认识,简单来说一边打了标签,一边使用选择器去选择就可以快速的让他们之间耦合


定义标签有两种办法,一个是文件中,一个是命令行里


我们在前几章编进文件的时候里面都有lable比如

这个就是标签

apiVersion: v1 # api文档版本
kind: Pod  # 资源对象类型
metadata:  # pod相关的元数据,用于描述pod的数据name: nginx-po # pod名称labels:  # pod的标签type: app   #这个是随便写的 自定义的标签version: 1.0.0   #这个是随便写的test: 1.0.0    #都标签随便写的namespace: 'default'  #命名空间的配置
spec: #期望pod按照这里面的描述进行创建containers:  #对于pod容器的描述- name: nginx #容器的名称image: nginx:1.7.9 # 指定容器的镜像imagePullPolicy: IfNotPresent  #镜像拉取策略startupProbe: #应用容器探针#  httpGet: # 探测方式#     path: /index.html #http 请求路径#  tcpSocket :#     port: 80 # 请求端口exec:command:- sh- -c- " echo 'success' > /inited"failureThreshold: 3 # 失败多少次,才算真正失败periodSeconds: 10 # 间隔时间successThreshold: 1 # 多少次检测成功算成功timeoutSeconds: 5  # 请求超时时间command: # 指定容器启动时执行的命令- nginx - -g- 'daemon off;'workingDir: /usr/local/nginx/html # 定义容器启动后的工作目录ports: - name: http # 端口名称containerPort: 80 # 描述容器内容要暴露的端口protocol: TCP # 端口是用什么协议通信env:   # 环境变量- name: JVM_OPTS  # 环境变量的名称value: '-Xms128m -Xmx128m'  # 环境变量的值resources: requests: # 最少需要多少资源cpu: 100m #限制cpu最少使用 1000m=1核心 100m就是0.1个核心memory: 128Mi #限制内存最少使用129兆limits:  #最多可以用多少 cpu: 200m # 限制最多可以使用多少memory: 256Mi

 现在我们将这个yaml文件运行起来 

使用

kubectl get po --show-labels

就可以看到刚刚打的标签 

 


临时添加标签

kubectl label po <pod名称> 标签名称=值 

kubectl label po nginx-po aaa=bbb

 


修改label

kubectl label po <pod名称> 原有标签名称=新的值 --overwrite 

 


 选择器

现在我使用选择器去找到一个对应的label

kubectl get po  -l 标签名称=值 

kubectl get po  -l aaa=ccc

 

可以看到带有指定标签的pod

kubectl get po -A -l aaa=ccc

 这样可以看到命名空间

kubectl get po -A -l aaa=ccc --show-labels

 这样可以看到所有标签

还可以使用多条件查询的一个方法

get po -l 'test in (1.0.0, 1.1.0, 1.2.0)'

 意思是test可以是指定三个其中随意的一个值

kubectl get po -l version!=1.2.0,type=app

 意思是version不是1.2.0 但是他的type是app

kubectl get po -l 'version!=1.2.0,type=app, aaa in (xxx,bbb,ccc)'

 这样也是可以的

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/527368.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

docker学习(十四)docker搭建私服

docker私服搭建&#xff0c;配置域名访问&#xff0c;设置访问密码 启动registry docker run -d \-p 5000:5000 \-v /opt/data/registry:/var/lib/registry \registrydocker pull hello-world docker tag hello-world 127.0.0.1:5000/hello-world docker push 127.0.0.1:5000…

自动从Android上拉取指定文件

需求场景 利用Mac中的脚本编辑器实现从连接的Android设备中获取指定的文件。 环境 macOS Monterey 版本 12.7.1脚本编辑器adb环境&#xff08;如果没有的话&#xff0c;可以网上搜下Mac配置adb&#xff09; 实现方案 1、打开脚本编辑器&#xff1b; 2、新建一个脚本文件&…

吴恩达机器学习-可选实验室:逻辑回归,决策边界(Logistic Regression,Decision Boundary))

文章目录 目标数据集图数据逻辑回归模型复习逻辑回归和决策边界绘图决策边界恭喜 目标 在本实验中&#xff0c;你将:绘制逻辑回归模型的决策边界。这会让你更好地理解模型的预测。 import numpy as np %matplotlib widget import matplotlib.pyplot as plt from lab_utils_co…

强大的项目管理软件:OmniPlan Pro 4 mac中文版

OmniPlan Pro 4 mac中文版是由The Omni Group为macOS和iOS操作系统开发的一款专业级项目管理软件。它允许用户创建和管理复杂的项目&#xff0c;从定义任务、分配资源到跟踪进度和生成报告&#xff0c;一应俱全。 这款软件提供了一系列强大的工具&#xff0c;帮助用户进行高效…

R语言复现:如何利用logistic逐步回归进行影响因素分析?

Logistic回归在医学科研、特别是观察性研究领域&#xff0c;无论是现况调查、病例对照研究、还是队列研究中都是大家经常用到的统计方法&#xff0c;而在影响因素研究筛选自变量时&#xff0c;大家习惯性用的比较多的还是先单后多&#xff0c;P&#xff1c;0.05纳入多因素研究&…

【论文整理】自动驾驶场景中Collaborative Methods多智能体协同感知文章创新点整理

Collaborative Methods F-CooperV2VNetWhen2commDiscoNetAttFusionV2X-ViTCRCNetCoBERTWhere2commDouble-MCoCa3D 这篇文章主要想整理一下&#xff0c;根据时间顺序这些文章是怎么说明自己的创新点的&#xff0c;又是怎么说明自己的文章比别的文章优越的。显然似乎很多文章只是…

C++指针(五)完结篇

个人主页&#xff1a;PingdiGuo_guo 收录专栏&#xff1a;C干货专栏 前言 相关文章&#xff1a;C指针&#xff08;一&#xff09;、C指针&#xff08;二&#xff09;、C指针&#xff08;三&#xff09;、C指针&#xff08;四&#xff09;万字图文详解&#xff01; 本篇博客是介…

【LLM】Advanced rag techniques: an illustrated overview

note 文章目录 noteAdvanced rag techniques: an illustrated overview基础RAG高级RAG分块和向量化(Chunking & Vectorisation)搜索索引(Search Index)1. 向量存储索引&#xff08;Vector Store Index&#xff09;2. 多层索引(Hierarchical Indices)3. 假设问题和HyDE(Hypo…

计算机网络——OSI网络层次模型

计算机网络——OSI网络层次模型 应用层表示层会话层传输层TCP和UDP协议复用分用 网络层数据链路层物理层OSI网络层次模型中的硬件设备MAC地址和IP地址MAC地址IP地址MAC地址和IP地址区别 OSI网络层次模型通信过程解释端到端点到点端到端和点到点的区别 我们之前简单介绍了一下网…

三、N元语法(N-gram)

为了弥补 One-Hot 独热编码的维度灾难和语义鸿沟以及 BOW 词袋模型丢失词序信息和稀疏性这些缺陷&#xff0c;将词表示成一个低维的实数向量&#xff0c;且相似的词的向量表示是相近的&#xff0c;可以用向量之间的距离来衡量相似度。 N-gram 统计语言模型是用来计算句子概率的…

【测试】优化软件测试:有效测试用例设计的关键

&#x1f34e;个人博客&#xff1a;个人主页 &#x1f3c6;个人专栏&#xff1a;Spring ⛳️ 功不唐捐&#xff0c;玉汝于成 目录 前言 正文 等价类划分法&#xff1a; 边界值分析法&#xff1a; 因果图&#xff1a; 状态转换测试&#xff1a; 错误猜测法&#xff1a…

Day34-Linux网络管理4

Day34-Linux网络管理4 1. IP地址分类与子网划分基础1.1 什么是IP地址1.2 十进制与二进制的转换1.3 IP地址的分类1.4 私网地址和局域网地址 2. 通信类型3. 子网划分讲解3.1 为什么要划分子网&#xff1f;3.2 什么是子网划分&#xff1f;3.3 子网划分的作用&#xff1f;3.4 子网划…