分享一个用200美金废旧硬件搭建K8s集群的实操经历

谁说学大模型基础设施非得烧钱买云服务器？我最近在公司推行AI工程化，发现很多同事对K8s的理解仅限于用云厂商的托管服务，其实脱离了托管环境，很多人根本不知道底层是怎么跑的。为了给自己练手，我用一台捡来的Dell OptiPlex和三块树莓派 4，硬生生搓出了一个4节点的裸金属K8s集群。

这次部署我没走寻常路，直接上了Talos Linux这种不可变操作系统，搭配Cilium（基于eBPF）做网络，存储用了Longhorn。虽然过程极其痛苦，甚至烧掉了3张SD卡，但这种“能把集群搞崩溃”的自由感是AWS EKS给不了的。

我的硬件配置清单：

• 控制节点： Dell OptiPlex (i5-6500 / 16GB / 256GB SSD) —— 免费捡的
• 工作节点： 3x Raspberry Pi 4 (4GB RAM / 64GB SSD) —— 二手约$180
• 网络设备： 二手网管交换机 —— $35

这次实操踩坑后的核心架构：

Control Plane: Dell OptiPlex (Talos Linux)
  └── etcd / API Server / Scheduler
      └── ↓ (Cilium eBPF Mesh)
Worker Nodes: 3x RPi4 (arm64)
  └── kubelet / Longhorn (Distributed Storage)

几个真实体感：

• 关于存储： Longhorn在树莓派上的副本同步非常吃IO，如果不设配额，etcd分分钟因为磁盘撑满而宕机。
• 关于网络： 用Cilium替代kube-proxy确实硬核，但它的eBPF策略有时候会悄悄拦截流量，查起来比传统的iptables难得多。
• 关于学习： 考个CKA证书和真正维护一个裸金属集群完全是两回事。只有在面对节点离线、存储同步失败时，你才能真正理解K8s的自愈机制。

对于想在公司内部搭建AI Agent工作流或部署私有大模型的同学，建议先在自己的Homelab里把这些底层组件跑通，这样在生产环境部署时才会更有底气。