Kubernetes 中的应用参数配置案例详析

✏️ 作者简介： 宗玉芬，Zilliz 测试开发工程师，华中科技大学计算机技术工程硕士。目前专注于 Milvus 数据库的质量保障工作，包括但不限于接口测试、SDK 测试、Benchmark 测试等。一个喜欢定位问题、热爱探究混沌工程理论与故障演练实践的测试开发小朋友。

如何修改 Milvus Advanced Configuration

背景

在使用 Milvus 时，我们可能希望修改默认参数，以满足不同场景的需求。前不久，已有 Milvus 用户分享了如何在使用 docker-compose 部署时修改配置文件（点击阅读：技术分享｜如何对 Milvus 2.0 进行参数配置），本文将简单介绍如何在使用 Kubernetes 部署 Milvus 时修改配置参数。

不同的参数配置可以选择不同的修改方案。Milvus 所有的配置文件都位于 /milvus/configs/ 路径下。当使用 Kubernetes 安装 Milvus 应用时我们会添加 Milvus Chart 仓库，添加后通过命令 helm show values milvus/milvus 查看 Chart 支持配置的参数项。如果这些参数项中包含我们想要修改的参数，则可以通过 --values 或 --set 两种方式传递配置数据，具体使用细节请参考 Milvus Helm Chart 或 Helm；如果不包含我们想修改的参数，则可以考虑下文介绍的小方法：

Milvus 在 Kubernetes 中的配置文件管理是通过 ConfigMap 资源对象实现的。如果我们需要修改 Milvus Chart 可配置选项以外的参数，则需要先更新对应 Chart Release 的 ConfigMap 对象，然后修改相应 Pod 的 Deployment 资源文件。接下来，以修改 /milvus/configs/advanced/root_coord.yaml 文件中的 rootcoord.dmlChannelNum 参数为例进行说明，按照先修改 ConfigMap 对象属性再修改 Deployment 对象属性两个步骤进行，将其值从 256 修改为 128 。

需要注意的是，该方法只针对已经部署的 Milvus 应用进行配置修改。如果需要在部署时或部署前修改 /milvus/configs/advanced/*.yaml 中的配置，我们需要对 Milvus Helm Chart 进行再开发。

修改 ConfigMap 清单文件

Kubernetes 中运行的 Release 对应着名为 milvus-chaos 的 ConfigMap 对象，其 data 属性只包含了 milvus.yaml 文件的配置。同理，我们需要将 rootcoord.dmlChannelNum 参数所在的 root_coord.yaml 配置到 data 属性中，同时将 rootcoord.dmlChannelNum 修改为 128 即可。

kind: ConfigMap
apiVersion: v1
metadata:
  name: milvus-chaos
  ...
data:
  milvus.yaml: >
    ......
  root_coord.yaml: |
    rootcoord:
      dmlChannelNum: 128
      maxPartitionNum: 4096
      minSegmentSizeToEnableIndex: 1024
      timeout: 3600 # time out, 5 seconds
      timeTickInterval: 200 # ms

修改 Deployment 清单文件

ConfigMap 对象中存储的数据可以被 configMap 类型的卷引用，然后向 Pod 注入配置数据，从而被 Pod 中运行的容器化应用使用。如果我们想让 Pod 访问新的配置文件，则需修改那些会加载 root_coord.yaml 配置的 Pod 模板，具体是在 Deployment 资源清单文件中的 spec.template.spec.containers.volumeMounts 下添加一个挂载声明。以 rootcoord pod 的 Deployment 资源清单为例，从 spec.template.spec.volumes 关键字可以看到 Pod 顶层声明了一个名为 milvus-config，类型是 configMap 的 Volume，并且 Pod 中的 rootcoord 容器声明将卷 milvus-chaos 的 milvus.yaml 文件挂载到路径 /milvus/configs/milvus.yaml 下。同理，我们只需要将 root_coord.yaml 文件挂载到 /milvus/configs/advanced/root_coord.yaml 路径下，以便容器能访问即可。

spec:
  replicas: 1
  selector:
    ......
  template:
    metadata:
      ...
    spec:
      volumes:
        - name: milvus-config
          configMap:
            name: milvus-chaos
            defaultMode: 420
      containers:
        - name: rootcoord
          image: 'milvusdb/milvus-dev:master-20210906-86afde4'
          args:
            ...
          ports:
            ...
          resources: {}
          volumeMounts:
            - name: milvus-config
              readOnly: true
              mountPath: /milvus/configs/milvus.yaml
              subPath: milvus.yaml
            - name: milvus-config
              readOnly: true
              mountPath: /milvus/configs/advanced/root_coord.yaml
              subPath: root_coord.yaml
          terminationMessagePath: /dev/termination-log
          terminationMessagePolicy: File
          imagePullPolicy: IfNotPresent
      restartPolicy: Always
      terminationGracePeriodSeconds: 30
      dnsPolicy: ClusterFirst
      securityContext: {}
      schedulerName: default-scheduler

验证结果

完成上述两步修改后，Pod 重新挂载了 ConfigMap 卷，且 ConfigMap 属性的修改被检测到后，Pod 会滚动更新。当新的 Pod 重新进入 Running 状态后，我们可以进入 Pod 验证是否修改成功，具体命令如下所示。可以看到 /milvus/configs/advanced/root_coord.yaml 文件中的rootcoord.dmlChannelNum 的值已经更新为 128 了。

$ kctl exec -ti milvus-chaos-rootcoord-6f56794f5b-xp2zs -- sh

# cd configs/advanced
# pwd
/milvus/configs/advanced
# ls
channel.yaml  common.yaml  data_coord.yaml  data_node.yaml  etcd.yaml  proxy.yaml  query_node.yaml  root_coord.yaml

# cat root_coord.yaml
rootcoord:
  dmlChannelNum: 128
  maxPartitionNum: 4096
  minSegmentSizeToEnableIndex: 1024
  timeout: 3600 # time out, 5 seconds
  timeTickInterval: 200 # ms
# exit

至此，该修改 Milvus 配置的方法已经介绍完毕。在 Milvus 之后的版本中，我们会将用户所关心的配置参数统一放置到一个文件中，且支持通过 Helm Chart 配置更新。在新版本诞生前，希望这篇文档介绍的临时修改方案能对大家有所帮助!

Arch Meetup 深圳站开始报名啦，点击查看活动议程！

GitHub @Milvus-io|CSDN @Zilliz Planet|Bilibili @Zilliz-Planet

Zilliz 以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。

Zilliz 构建了 Milvus 向量数据库，以加快下一代数据平台的发展。Milvus 数据库是 LF AI & Data 基金会的毕业项目，能够管理大量非结构化数据集，在新药发现、推荐系统、聊天机器人等方面具有广泛的应用。