Kubernetes on Macのセットアップ
by cmoullec on 30 July 2020
Macで動くKubernetesソリューションをお探しですか？ MicroK8sはCanonicalが開発した純粋で軽いKubernetesのアップストリームディストリビューションです。このコンパクトなLinux Snapは、入念に選択されたアドオンとともに、シングルノードのKubernetesクラスターをLinux、Windows、macOSにインストールします。MicroK8sはもともとLinux用に構築されたものですが、Kubernetes on Macなら、Ubuntu仮想マシン（VM）でネイティブにMicroK8sを実行します。
MicroK8sは必要リソースが少なく、Kubernetesのシングルノードとしてもマルチノードクラスターとしても使用できます。MicroK8sを使用すれば、クラウドネイティブアプリケーションの開発とテスト、CI-CDパイプラインの構築、AI/MLモデルの開発、自動アップグレード可能なKubernetesのIoTやエッジアプライアンスへの組み込みが可能になります。
MicroK8sはKubernetesの標準的な機能（スケジューリング、スケーリング、デバッグなど）を自動化するほか、DNS、Kubernetesダッシュボード、Istioなど、パッケージ化されたアドオンで複雑性を抽象化します。また、Kubernetesアップストリームのリリースサイクルに従い、公式リリースから数日以内に新バージョンを公開します。
Kubernetes on Macのセットアップ手順
macOSにMicroK8sをダウンロードし、必要なアドオンを設定してMicroK8sダッシュボードにアクセスするには、次の手順が必要です。
ステップ1：MicroK8sをインストール
brew install ubuntu/microk8s/microk8s
microk8s install
brewコマンドをお持ちでない方は、Homebrewのウェブサイトから入手できます。
ステップ2：MicroK8sのステータスを確認
microk8s status --wait-ready
ステップ3：ダッシュボードアドオンを有効化
microk8s enable dashboard
ステップ4：Kubernetesダッシュボードにアクセス
microk8s dashboard-proxy
Kubernetes on Macの概要
MicroK8sはインストールが簡単で、Kubernetes on Macワークステーションに適しています。大規模に運用したい場合はMicroK8sの複数のノードをクラスター化します。クラスター化など高度な構成については、MicroK8s公式ドキュメンテーション（英語）をご覧ください。
参考資料
ニュースレターのサインアップ
関連記事
CanonicalがNVIDIA Enterprise AI Factoryのパートナーに
Canonicalが、NVIDIA Enterprise AI Factoryの検証済み設計によりKubernetesプラットフォームとオープンソースセキュリティを提供 リファレンスアーキテクチャにより、エージェント型AIプロジェクトの市場投入までの時間を短縮 このたびNVIDIAは、企業におけるAIの導入を容易にし、AIを活用した分析情報を迅速にビジネス価値へと転換させるため、NVIDIA Enterprise AI Factoryの検証済み設計を公開しました。これは、エンタープライズシステム、データソース、セキュリティインフラストラクチャとシームレスに統合するソリューションのエコシステムです。ハードウェアとソフトウェアの設計を目的としたNVIDIAのテンプレートは、エ […]
Livepatchがサイバー攻撃を防ぐ仕組み
Canonical Livepatchはセキュリティパッチの適用を自動化するツールであり、再起動なしにLinuxカーネルのセキュリティを更新します。また、セキュリティと運用上の利便性をバランス良く備えています。Livepatchは、次回のパッケージアップグレードと再起動までの間、インメモリパッチを使用して、重要度の高いCVE（Common Vulnerabilities and Exposures：共通脆弱性識別子）を修正します。システム管理者は、セキュリティが最重要視されるミッションクリティカルなUbuntuサーバーのセキュリティ確保にLivepatchを活用しています。 Linuxカーネルはシステムの稼働に不可欠なコンポーネントであり、障害が発生するとマシン全体が停止 […]
Apache SparkとGPUでデータサイエンスを加速する
Apache Sparkは、演算処理をパーティション単位で複数のノードに分散させることで知られています。そしてCPUコアは常に単一のパーティション内で処理を実行してきました。 しかし、SparkをGPUで高速化できることは、あまり知られていません。このGPUの力を適切な状況で活用することには大きなメリットがあります。インフラストラクチャのコストとサーバー数を削減しながら、従来のCPU処理の最大7倍の速度でクエリを処理し、結果を出せます。しかも、すべてバックグラウンドで処理し、既存のSparkアプリケーションコードに変更を加える必要はありません。Canonicalのチームは、実際の大規模なデータ処理におけるパフォーマンスボトルネックを解消する機能を開発しました。それがNVI […]
