บันทึการติดตั้ง Kubernetes Cluster ด้วย RKE2 ฉบับ Homelab

แนะนำ Homelab และเป้าหมายของระบบ

เริ่มจาก…มีเครื่อง PC วางทิ้งไว้ 2 ปี ตอนแรกตั้งใจจะเอามาเล่นเกม เพราะมีการ์ดจอ AMD RX6600, CPU AMD 6 Core, RAM 32GB แบบสเปกดีอยู่นะ แต่สุดท้ายก็ไม่ได้เล่นสักที... กลายเป็นโต๊ะวางฝุ่นไปเฉย 😅

คิดไปคิดมา...ไหน ๆ ก็ไม่ได้เล่นเกมละ งั้นเอามาทำ Homelab ละกัน เสียดายอย่างเดียวคือ License Windows 11 หายจ้อย เพราะจำ Key ไม่ได้แล้ว 5555

Note

ผมไม่ค่อยได้ Setup Linux Server เท่าไหร่ ถ้าผมเขียนผมตรงไหน ฝากรบกวนแนะนำด้วยนะครับ

นี่ดูสิ Spec เหลือๆ

ทำไมเลือกใช้ RKE2?

จริง ๆ ตัวเลือกมันก็เยอะนะ ไม่ว่าจะเป็น:

• kubeadm แบบคลาสสิก
• k3s ที่เบาแต่บางอย่างก็ตัดทิ้งไปเยอะ
• หรือจะ microk8s, kind, minikube ก็มีนะ แต่ไม่ได้เลือกวันนี้

แต่สุดท้ายเลือก RKE2 เพราะ...

💡 มันคือ Kubernetes ที่:

• มี ทุกอย่างแบบ production-grade
• ใช้งานง่ายกว่า kubeadm เยอะ
• มี binary เดียวติดตั้งแล้วจบ
• ใช้ containerd ไม่ผูกกับ Docker
• มี bundled etcd, kubelet, scheduler มาให้ครบ
• และสำคัญสุดคือ... ไม่ต้องผูกกับ Rancher UI ก็ใช้ได้

แถม RKE2 ก็เป็นของ Rancher (SUSE) เหมือนกับ k3s นั่นแหละ

แต่ตัวนี้ เน้น production + HA จริงจังมากกว่า

แต่ก็นะ Spec เหลือๆ จะใช้ k3s ก็ดูถูก Spec ไปหน่อย 555 เลยลองอันที่น่าจะเอาไปใช้งานจริงได้ด้วยดีกว่า

ทำไมต้องแยก Disk ด้วย LVM?

เวลาทำ Homelab หลายคนชอบลง ๆ ไว้ใน / หมดเลย แต่พอทำจริง จะรู้เลยว่า:

• etcd กับ container runtime (containerd) มัน write เยอะมาก
• log ก็พุ่ง
• disk เต็ม → cluster พัง
• หรือจะ move/backup volume ทีนึงก็ลำบาก

เราเลยเลือกใช้ LVM เพื่อจัดการ disk แบบยืดหยุ่น

• แยก disk path /var/lib, /opt/kube-data ออกจากกัน
• เอา /var/lib ไปอยู่ SSD เพื่อให้ etcd/containerd เร็ว
• ทำ snapshot, resize, หรือย้าย path ได้ภายหลัง
• และแยก HDD อีกตัวไว้สำรอง/เก็บ log

เป้าหมายของระบบนี้

เราอยากให้ Homelab ตัวนี้…

• ✅ ใช้ได้แบบ production จริง (run workload จริงได้)
• ✅ Scale ได้ในอนาคต (เพิ่ม Node ก็ได้)
• ✅ ไม่ผูกกับ distro ใด ๆ เช่น Rancher UI, k3s-only path
• ✅ เข้าใจว่าอะไรอยู่ตรงไหน ควบคุมได้เองหมด
• ✅ พร้อมใช้กับ Helm, Longhorn, GitOps, Monitoring ได้หมด

พูดง่าย ๆ คือมันจะเป็น “kube cluster ที่ไว้ใจได้”

เอาไว้ลองของจริงก่อนเอาไปใช้กับ production ข้างนอก

วางแผนจัดการ Disk / Volume ให้พร้อมสำหรับ Kubernetes

ก่อนจะลง RKE2 ผมก็มานั่งคิดว่า... ไหน ๆ ก็มี disk เยอะ ทำไมไม่จัดให้มันดีไปเลยตั้งแต่ต้น?

เครื่องที่ใช้มีทั้ง SSD และ HDD อยู่ในเครื่องเดียว:

• SSD (NVMe 1TB) → ใช้ทำงานเร็ว ๆ เช่น OS, Database, PVC ที่ต้องการ IOPS
• HDD (2TB) → ใช้เก็บ log, สำรองข้อมูล, ของที่ไม่ต้องอ่านเร็ว

พอรวมกับ LVM แล้ว เราก็จัดโครงสร้าง storage ได้แบบนี้เลย 👇

SSD (NVMe): สำหรับ K8s Core และ Data ที่ต้องการความเร็ว

HDD: สำหรับงานสำรอง / Log / Cold Storage

Logical Volume ที่สร้างด้วย LVM

หลักการออกแบบ Volume ง่าย ๆ

ผมคิดไว้ว่า...

• ไม่อยากให้ K8s ใช้ path แบบ rancher/, k3s/ หรืออะไรที่ "ผูกกับ distro"
• อยากตั้งชื่อ path แบบกลาง ๆ เช่น /opt/kube-data หรือ /var/lib ที่ควบคุมเองได้
• เวลาอยากย้าย cluster ก็แค่ย้าย folder หรือ LV ไปเท่านั้น

แถมด้วยข้อดีของ LVM:

• Resize ได้ง่าย
• Snap ได้
• แยก log / etcd ออกจากกันไม่ให้ disk เต็มรวมหัวกัน

ตัวอย่าง Use Case จริง ๆ

ต่อจากนี้ก็จะเริ่มสร้าง LV, mount, format และเตรียมไว้ให้ RKE2 ใช้งานได้เลย

ลงมือจัดการ LVM แยก Disk ให้ K8s ใช้งานได้ยาว ๆ 🚀

หลังจากลง Ubuntu 24.04 LTS เสร็จ ผมก็เช็คสเปกพื้นฐานก่อนด้วยคำสั่ง lsb_release -a กับ uname -a เพื่อให้แน่ใจว่า kernel ใหม่ ๆ พร้อมใช้งาน และรองรับระบบ LVM กับ container runtime ได้ดี

$ lsb_release -a
Distributor ID: Ubuntu
Description:    Ubuntu 24.04.2 LTS
...
$ uname -a
Linux XXXX 6.8.0-59-generic ...

ที่ผมติดตั้งมาใช้ LVM แบบอัตโนมัติเรียบร้อย เพราะอยากให้จัดการ Disk ได้ง่ายขึ้น โดยไม่ต้อง Format ใหม่ทุกครั้งที่อยากเพิ่ม volume

เช็คโครงสร้าง disk ที่มีอยู่ก่อน

$ lsblk
NAME                      MAJ:MIN RM   SIZE RO TYPE MOUNTPOINTS
sda                         8:0    0   1.8T  0 disk 
├─sda1                      8:1    0    16M  0 part 
├─sda2                      8:2    0 886.4G  0 part 
└─sda3                      8:3    0 976.6G  0 part 
nvme0n1                   259:0    0 931.5G  0 disk 
├─nvme0n1p1               259:1    0     1G  0 part /boot/efi
├─nvme0n1p2               259:2    0     2G  0 part /boot
└─nvme0n1p3               259:3    0 928.5G  0 part 
  └─ubuntu--vg-ubuntu--lv 252:0    0   100G  0 lvm  /

จะเห็นว่า:

• มี SSD (nvme0n1) ขนาด ~1TB แบ่งเป็น 3 พาร์ติชัน ใช้ LVM อยู่แล้ว
• และมี HDD (sda) อีก 2 พาร์ติชันใหญ่ ๆ รวมประมาณ 1.8TB

ในตอนแรก root (/) ถูก mount ไว้ที่ LV ชื่อ ubuntu-lv ขนาด 100GB และ volume group ชื่อ ubuntu-vg ยังเหลืออีกเพียบ! ประมาณ 828GB 😍

ก่อนจะเริ่มแบ่งพื้นที่จริง เรามาสำรวจ Volume Group ที่ Ubuntu ติดตั้งให้อัตโนมัติไว้ก่อน

$ sudo vgdisplay

  --- Volume group ---
  VG Name               ubuntu-vg
  Format                lvm2
  VG Access             read/write
  VG Status             resizable
  VG Size               928.46 GiB
  Alloc PE / Size       25600 / 100.00 GiB
  Free  PE / Size       212085 / 828.46 GiB

จากผลคำสั่ง vgdisplay จะเห็นว่า Ubuntu ติดตั้งมาแบบใช้ LVM ให้เรียบร้อยแล้ว โดยมี Volume Group ชื่อ ubuntu-vg ขนาดรวมประมาณ 928GB

ตอนนี้ใช้ไปแค่ 100GB สำหรับ / เท่านั้นเอง พื้นที่ที่เหลือยังมีอีกเกือบ 830GB แบบ resizable ด้วย แปลว่าเราสามารถสร้าง Logical Volume เพิ่มได้อีกสบาย ๆ 🎉

มาเริ่มสร้าง LVM เพิ่มกันเลย 🎉

เป้าหมายคือ...

sudo lvcreate -n varlib -L 100G ubuntu-vg
sudo lvcreate -n kubedata -L 200G ubuntu-vg

Format + Mount ทีละจุด

# Format
sudo mkfs.ext4 /dev/ubuntu-vg/varlib
sudo mkfs.ext4 /dev/ubuntu-vg/kubedata

# เตรียมโฟลเดอร์ mount
sudo mkdir -p /mnt/varlib /opt/kube-data

# mount ชั่วคราวเพื่อย้ายของใน /var/lib
sudo mount /dev/ubuntu-vg/varlib /mnt/varlib
sudo cp -a /var/lib/* /mnt/varlib/

# เปลี่ยนตัวจริง
sudo mv /var/lib /var/lib.bak
sudo mkdir /var/lib
sudo mount /dev/ubuntu-vg/varlib /var/lib

จากนั้นเพิ่มเข้า /etc/fstab เพื่อให้ system mount ให้อัตโนมัติหลัง reboot:

echo '/dev/ubuntu-vg/varlib /var/lib ext4 defaults 0 2' | sudo tee -a /etc/fstab
echo '/dev/ubuntu-vg/kubedata /opt/kube-data ext4 defaults 0 2' | sudo tee -a /etc/fstab

จัดพื้นที่ backup บน HDD

ต่อไปเราจะเตรียม /mnt/storage-hdd สำหรับสำรอง log หรือ DB snapshot ต่าง ๆ

sudo mkfs.ext4 /dev/sda2
sudo mkdir -p /mnt/storage-hdd
sudo mount /dev/sda2 /mnt/storage-hdd
echo '/dev/sda2 /mnt/storage-hdd ext4 defaults 0 2' | sudo tee -a /etc/fstab

เช็คสถานะหลัง mount

mount | grep -E '/var/lib|/opt/kube-data|/mnt/storage-hdd'

จะได้เห็นว่า:

• /var/lib ใช้ varlib จาก SSD แล้วจริง ๆ
• /opt/kube-data พร้อมใช้งาน
• /mnt/storage-hdd พร้อมสำรอง log แล้ว

สรุป Logical Volume ที่มีตอนนี้

$ sudo lvs
LV        VG         LSize
ubuntu-lv ubuntu-vg  100.00g  (สำหรับ /)
varlib    ubuntu-vg  100.00g  (สำหรับ /var/lib)
kubedata  ubuntu-vg  200.00g  (สำหรับ /opt/kube-data)

และยังเหลือพื้นที่ใน VG (ubuntu-vg) อีกประมาณ 528GB เอาไว้ขยายในอนาคตได้อีก

ดู mountpoint ด้วย:

$ lsblk -o NAME,SIZE,FSTYPE,MOUNTPOINT,LABEL

NAME                        SIZE FSTYPE      MOUNTPOINT       LABEL
sda                         1.8T                              
├─sda1                       16M                              
├─sda2                    886.4G ext4        /mnt/storage-hdd 
└─sda3                    976.6G ntfs                         Entertain
nvme0n1                   931.5G                              
├─nvme0n1p1                   1G vfat        /boot/efi        
├─nvme0n1p2                   2G ext4        /boot            
└─nvme0n1p3               928.5G LVM2_member                  
  ├─ubuntu--vg-ubuntu--lv   100G ext4        /                
  ├─ubuntu--vg-varlib       100G ext4        /var/lib         
  └─ubuntu--vg-kubedata     200G ext4        /opt/kube-data   

จากนั้นก็ ทดสอบ reboot สักรอบ แล้วเช็คว่า mount ถูกต้อง

$ mount | grep -E '/var/lib|/opt/kube-data|/mnt/storage-hdd'
/dev/mapper/ubuntu--vg-kubedata on /opt/kube-data type ext4 (rw,relatime)
/dev/mapper/ubuntu--vg-varlib on /var/lib type ext4 (rw,relatime)
/dev/sda2 on /mnt/storage-hdd type ext4 (rw,relatime)

จะเห็นว่า mount ถูกต้องตามที่เราตั้งใจไว้

ติดตั้ง RKE2 บน Ubuntu

ต่อไปเราจะติดตั้ง RKE2 บน Ubuntu 24.04 LTS

1. ติดตั้ง Binary ของ RKE2

RKE2 ใช้ installer ตัวเดียวจบเลย ไม่ต้องแยกลง kubelet, etcd อะไรให้วุ่นวาย แค่รันคำสั่งนี้ก็พร้อมติดตั้งทุกอย่าง

curl -sfL https://get.rke2.io | sudo sh -

ระบบจะโหลด binary มาไว้ที่ /usr/local และติดตั้งแบบ systemd service ให้อัตโนมัติเลย

2. Enable และ Start Service

sudo systemctl enable rke2-server.service
sudo systemctl start rke2-server.service

แนะนำให้รันแยกกัน เพื่อถ้ามี error ตอน start จะได้ดู log ทันที

3. ดู Log Realtime

ระหว่างรอ service ทำงาน ผมแนะนำให้เปิด log ดูไว้ก่อนเลย:

sudo journalctl -u rke2-server -f

ถ้า service ทำงานปกติ จะเจอบรรทัดประมาณนี้:

Remotedialer connected to proxy
Adding node <ชื่อเครื่อง> etcd status condition
Tunnel authorizer set Kubelet Port 0.0.0.0:10250

🕐 ปกติใช้เวลาประมาณ 1–2 นาทีตอนรันครั้งแรก เพราะต้องโหลด container image ต่าง ๆ

4. ตรวจสอบ Node ด้วย kubectl

RKE2 จะมี kubectl ของมันเองอยู่ใน path: /var/lib/rancher/rke2/bin/kubectl

ถ้าเรายังไม่มี kubectl ใน system path ก็สร้าง symlink ไปไว้ที่ /usr/local/bin เลย:

sudo ln -s /var/lib/rancher/rke2/bin/kubectl /usr/local/bin/kubectl

จากนั้นลองรัน:

kubectl get nodes

ถ้าขึ้นแบบนี้ แปลว่าใช้งานได้เรียบร้อย 🎉

NAME       STATUS   ROLES                       AGE   VERSION
homelab    Ready    control-plane,etcd,master   3m    v1.31.x+rke2r1

สรุปตอนนี้

• RKE2 ติดตั้งและรันสำเร็จ
• kubectl พร้อมใช้งานจากเครื่อง server
• node status เป็น Ready แล้ว

ตั้งค่า kubectl บนเครื่อง Mac ให้เชื่อมต่อ RKE2

หลังจาก RKE2 สร้าง cluster สำเร็จแล้ว จะมีไฟล์ชื่อ rke2.yaml อยู่ที่:

/etc/rancher/rke2/rke2.yaml

ไฟล์นี้คือ kubeconfig ที่ใช้สั่ง kubectl เชื่อมเข้า cluster ได้เลย แต่ต้องระวังนิดนึงเพราะมันเป็น cert-based admin user ที่มีสิทธิ์เต็ม ⚠️

1. คัดลอก rke2.yaml มาที่ home directory

sudo cp /etc/rancher/rke2/rke2.yaml /home/<your-user>/rke2.yaml
sudo chown <your-user>:<your-user> /home/<your-user>/rke2.yaml

เปลี่ยน <your-user> เป็นชื่อจริงของ user บนเครื่อง

2. จาก Mac ใช้ scp ดึงไฟล์มา

scp -i ~/.ssh/my_home_lab/id_rsa <user>@<ip-server>:/home/<user>/rke2.yaml ~/.kube/rke2.yaml

เช่น:

scp -i ~/.ssh/my_home_lab/id_rsa thadawth@192.168.1.107:/home/thadawth/rke2.yaml ~/.kube/rke2.yaml

3. เปลี่ยนชื่อ context/cluster/user ด้วย yq ให้ดูดีขึ้น

ตอนนี้ทุกชื่อใน rke2.yaml จะชื่อว่า default หมดเลย เราจะเปลี่ยนให้มันเท่ ๆ เช่น:

• context → my_homelab
• cluster → my_homelab-cluster
• user → my_homelab-user

ผมเตรียม script ให้ใช้เลย rename-kubeconfig.sh

#!/bin/bash

# 📌 รับ argument
CONTEXT_NAME="$1"
CLUSTER_NAME="$2"
USER_NAME="$3"
KUBECONFIG_PATH="$HOME/.kube/rke2.yaml"

# ✅ ตรวจสอบ input
if [[ -z "$CONTEXT_NAME" || -z "$CLUSTER_NAME" || -z "$USER_NAME" ]]; then
  echo "❌ Usage: $0 <context_name> <cluster_name> <user_name>"
  exit 1
fi

# ✅ เช็คว่า yq ติดตั้งแล้ว
if ! command -v yq &> /dev/null; then
  echo "❌ 'yq' not found. Install it with 'brew install yq'"
  exit 1
fi

echo "🔧 Updating kubeconfig: $KUBECONFIG_PATH"
echo "➡️  Context: $CONTEXT_NAME"
echo "➡️  Cluster: $CLUSTER_NAME"
echo "➡️  User: $USER_NAME"

# 🔁 แก้ชื่อทั้งหมด in-place
yq -i "(.clusters[] | select(.name == \"default\") | .name) = \"$CLUSTER_NAME\"" "$KUBECONFIG_PATH"
yq -i "(.clusters[] | select(.name == \"$CLUSTER_NAME\") | .cluster.server) = \"https://192.168.1.107:6443\"" "$KUBECONFIG_PATH"
yq -i "(.users[] | select(.name == \"default\") | .name) = \"$USER_NAME\"" "$KUBECONFIG_PATH"
yq -i "(.contexts[] | select(.name == \"default\") | .name) = \"$CONTEXT_NAME\"" "$KUBECONFIG_PATH"
yq -i "
  (.contexts[] | select(.name == \"$CONTEXT_NAME\") | .context.cluster) = \"$CLUSTER_NAME\" |
  (.contexts[] | select(.name == \"$CONTEXT_NAME\") | .context.user) = \"$USER_NAME\"
" "$KUBECONFIG_PATH"
yq -i ".current-context = \"$CONTEXT_NAME\"" "$KUBECONFIG_PATH"

echo "✅ Done! You can now merge it into ~/.kube/config with:"
echo "   KUBECONFIG=~/.kube/config:$KUBECONFIG_PATH kubectl config view --flatten > /tmp/config && mv /tmp/config ~/.kube/config"

จากนั้นก็ให้สิทธิ์ execute ให้กับ script

chmod +x rename-kubeconfig.sh
./rename-kubeconfig.sh my_homelab my_homelab-cluster my_homelab-defaultUser

4. รวม rke2.yaml เข้ากับ kubeconfig หลัก

export KUBECONFIG=~/.kube/config:~/.kube/rke2.yaml
kubectl config view --flatten > /tmp/kubeconfig-merged.yaml
cp ~/.kube/config ~/.kube/config.bak
mv /tmp/kubeconfig-merged.yaml ~/.kube/config

ลองดูว่า context ที่เราตั้งไว้มีอยู่มั้ย:

kubectl config get-contexts
CURRENT   NAME                     CLUSTER                  AUTHINFO                                               NAMESPACE
           my_homelab               my_homelab-cluster       my_homelab-defaultUser                                 
*          rancher-desktop          rancher-desktop          rancher-desktop       

ไม่ต้องไปสนใจว่า rancher-desktop มาจากไหนนะ พอผมใช้ rancher-desktop อยู่ด้วย

5. ตั้ง context ใหม่ให้เป็นค่า default

$ kubectl config use-context my_homelab

ลองดูว่าเชื่อมได้มั้ย:

$ kubectl get nodes
NAME       STATUS   ROLES                       AGE   VERSION
USER   Ready    control-plane,etcd,master   66m   v1.31.8+rke2r1

เย้ 🎉 ถ้าเห็น node ขึ้นจาก Mac ก็แปลว่าเชื่อมต่อสำเร็จ!

Deploy แอปแรกบน RKE2: NGINX 🧑‍🍳

เราจะเริ่มจากการ deploy nginx แบบง่าย ๆ เพื่อ:

• ทดสอบว่า cluster ใช้งานได้จริง
• เข้าใจแนวทาง deploy แบบ basic
• พร้อมใช้ kubectl, svc, และ port-forward

1. สร้างไฟล์ nginx-deploy.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 1
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:stable
        ports:
        - containerPort: 80
---
apiVersion: v1
kind: Service
metadata:
  name: nginx-service
spec:
  selector:
    app: nginx
  ports:
  - port: 80
    targetPort: 80
  type: ClusterIP

📦 จะได้ทั้ง Deployment และ Service แบบ ClusterIP

2. Apply manifest

kubectl apply -f nginx-deploy.yaml

3. ตรวจสอบสถานะ

kubectl get deploy,pods,svc

ถ้าทุกอย่างปกติจะเห็นแบบนี้:

NAME                                READY   UP-TO-DATE   AVAILABLE   AGE
deployment.apps/nginx-deployment   1/1     1            1           15s

NAME             TYPE        CLUSTER-IP      PORT(S)   AGE
nginx-service    ClusterIP   10.43.XXX.XXX   80/TCP    15s

4. เข้าผ่าน Mac ด้วย port-forward (วิธีเร็วที่สุด)

kubectl port-forward svc/nginx-service 8080:80

แล้วเปิด browser ไปที่:

http://localhost:8080

เย้~ จะเจอหน้า “Welcome to nginx!” แล้ว 🎉

แนวทางเรื่อง Security: ระวัง rke2.yaml ให้ดี

หลังจากที่เรา copy rke2.yaml มาใช้บน Mac แล้ว เชื่อมต่อ cluster ได้ — เยี่ยมมาก! แต่ต้องรู้ไว้ว่า...

⚠️ ไฟล์ rke2.yaml คือ admin cert เต็มรูปแบบ ใครได้ไฟล์นี้ = เหมือนได้ root access บน Kubernetes cluster ทันที

มันเป็น cert แบบ client certificate ที่ฝังไว้ใน user.client-certificate-data ซึ่ง RKE2 auto-generate มาให้เราใช้งานได้สะดวกสุด ๆ แต่ในแง่ความปลอดภัย ถ้าเราจะใช้งานหลายเครื่อง หรือแชร์ cluster ให้คนอื่นใช้ → ไม่ควรใช้ตัวนี้ต่อ

วิธีแนะนำ: แยก ServiceAccount ตามผู้ใช้งาน

ใน Kubernetes เราสามารถสร้าง user แบบจำกัดสิทธิ์ได้ง่าย ๆ ผ่าน ServiceAccount ซึ่งเป็นวิธีที่เบา ปลอดภัย และไม่ต้องยุ่งกับ cert เองเลย

ตัวอย่าง: สร้าง admin-user แบบ read/write

kubectl create serviceaccount admin-user -n kube-system
kubectl create clusterrolebinding admin-user-binding \
  --clusterrole=cluster-admin \
  --serviceaccount=kube-system:admin-user

สร้าง account ที่มีสิทธิ์เท่ากับ cluster-admin

สร้าง token เพื่อเชื่อมต่อ

kubectl -n kube-system create token admin-user

จะได้ token string เอาไว้ใช้กับ kubectl config หรือใส่ใน CI/CD ก็ได้

เหมาะกับใคร?

ส่งท้าย: จากเครื่องที่นอนเฉย ๆ → Cluster ที่ใช้ได้จริง

ทั้งหมดนี้คือเส้นทางของการเปลี่ยน “PC วางทิ้งไว้ 2 ปี” ให้กลายเป็น Kubernetes Cluster พร้อมใช้งานจริงในบ้าน จากจุดที่ยังไม่มีอะไรเลย — เราเริ่มด้วยการ:

• ✅ ติดตั้ง Ubuntu และจัดการ disk ด้วย LVM
• ✅ วางแผนพื้นที่ใช้งานแยกชัดเจน (เร็ว / ใหญ่ / สำรอง)
• ✅ ติดตั้ง RKE2 และ config ให้ควบคุมผ่านเครื่อง Mac ได้
• ✅ deploy nginx สำเร็จเป็นแอปแรกบน cluster
• ✅ พร้อมวางรากฐานเรื่อง security, user และการขยายต่อในอนาคต

ทั้งหมดนี้ไม่ใช่แค่ setup แล้วจบ แต่มันคือการวาง “โครงสร้าง” ที่เราจะต่อยอดไปได้อีกไกลมาก 🎯

แล้วต่อไปจะทำอะไร?

ใน Part ต่อ ๆ ไป ผมจะพาไปลุยของจริงกันแบบจัดเต็ม เช่น...

• 🌐 ติดตั้ง Ingress Controller เพื่อให้เข้าแอปจากข้างนอกได้แบบ domain name
• 🔐 วางระบบ User / RBAC ให้แชร์ cluster แบบปลอดภัย
• 📦 ติดตั้ง Helm, CSI Storage (Longhorn), และ GitOps
• 📊 Monitoring / Logging แบบที่ production ต้องมี
• 🔄 รองรับ CI/CD จาก GitHub

ป.ล. อันนี้ก็ฝันไปก่อนนะ มีเวลาว่างเมื่อไหร่ค่อยว่ากันละกันนะ อิอิ

อย่าลืมติดตาม Part ถัดไปนะ 💬 ถ้าใครอยากลองทำตาม ผมรับรองว่าทำได้จริง (มั้งนะ) และสนุกมากแน่นอน 💙

แล้วเจอกันตอนหน้า! 😄✨