Skip to content
The Chat Archive
chatgpt-4o-latest-20250326· OpenAI LMArena Human Preference 140K

怎麼在k8s上裝n8n

  1. User

    怎麼在k8s上裝n8n

  2. Assistant

    在 Kubernetes(k8s)上部署 n8n(開源工作流程自動化工具)可以通過 Helm Chart 或直接撰寫 Kubernetes YAML 資源檔(Deployment、Service 等)來完成。下面提供兩種常見方式,讓你可以根據需求選擇合適方案。


    ✅ 方式一:使用 Helm 安裝 n8n(推薦)

    步驟 1:添加 Helm repository

    helm repo add n8n https://n8n-io.github.io/helm
    helm repo update
    

    步驟 2:安裝 n8n

    helm install n8n n8n/n8n
    

    這會用預設值在 k8s 中建立 Deployment、Service 等資源。n8n 將使用 SQLite 儲存資料(適用於開發測試)。


    📌 進階設定(推薦)

    建立一個自訂的 values.yaml 檔案來設定環境變數、持久化儲存、Webhook 等核心設定:

    示例 values.yaml:

    replicaCount: 1
    
    image:
      repository: n8nio/n8n
      tag: latest
      pullPolicy: IfNotPresent
    
    env:
      - name: N8N_BASIC_AUTH_ACTIVE
        value: "true"
      - name: N8N_BASIC_AUTH_USER
        value: "admin"
      - name: N8N_BASIC_AUTH_PASSWORD
        value: "yourpassword"
      - name: N8N_HOST
        value: "n8n.example.com"
      - name: N8N_PORT
        value: "5678"
      - name: WEBHOOK_URL
        value: "https://n8n.example.com/"
    
    service:
      type: ClusterIP
      port: 5678
    
    ingress:
      enabled: true
      annotations:
        kubernetes.io/ingress.class: nginx
      hosts:
        - host: n8n.example.com
          paths:
            - path: /
              pathType: Prefix
    

    安裝:

    helm install n8n n8n/n8n -f values.yaml
    

    ✅ 方式二:使用 YAML 檔部署

    如果你不想使用 Helm,可以直接手動建立 Deployment 和 Service 檔案。以下是一個簡單範例:

    n8n-deployment.yaml

    apiVersion: apps/v1
    kind: Deployment
    metadata:
      name: n8n
    spec:
      replicas: 1
      selector:
        matchLabels:
          app: n8n
      template:
        metadata:
          labels:
            app: n8n
        spec:
          containers:
            - name: n8n
              image: n8nio/n8n:latest
              ports:
                - containerPort: 5678
              env:
                - name: N8N_BASIC_AUTH_ACTIVE
                  value: "true"
                - name: N8N_BASIC_AUTH_USER
                  value: "admin"
                - name: N8N_BASIC_AUTH_PASSWORD
                  value: "yourpassword"
                - name: N8N_HOST
                  value: "n8n.example.com"
                - name: WEBHOOK_URL
                  value: "https://n8n.example.com/"
    

    n8n-service.yaml

    apiVersion: v1
    kind: Service
    metadata:
      name: n8n-service
    spec:
      selector:
        app: n8n
      ports:
        - protocol: TCP
          port: 80
          targetPort: 5678
      type: ClusterIP
    

    (選用) n8n-ingress.yaml

    apiVersion: networking.k8s.io/v1
    kind: Ingress
    metadata:
      name: n8n-ingress
      annotations:
        kubernetes.io/ingress.class: nginx
    spec:
      rules:
        - host: n8n.example.com
          http:
            paths:
              - path: /
                pathType: Prefix
                backend:
                  service:
                    name: n8n-service
                    port:
                      number: 80
    

    部署所有資源:

    kubectl apply -f n8n-deployment.yaml
    kubectl apply -f n8n-service.yaml
    kubectl apply -f n8n-ingress.yaml
    

    ✅ 持久化儲存建議(生產環境)

    將資料或 workflow 儲存在 PostgreSQL 資料庫,而不是 SQLite。

    加上以下 env 至容器環境:

    - name: DB_TYPE
      value: postgres
    - name: DB_POSTGRESDB_HOST
      value: your-postgres-service
    - name: DB_POSTGRESDB_PORT
      value: "5432"
    - name: DB_POSTGRESDB_DATABASE
      value: n8n
    - name: DB_POSTGRESDB_USER
      value: n8nuser
    - name: DB_POSTGRESDB_PASSWORD
      value: yourpassword
    

    並將 PostgreSQL 當作 K8s service 部署。


    🔐 啟動基本驗證

    建議至少啟用以下環境變數來保護 dashboard:

    - name: N8N_BASIC_AUTH_ACTIVE
      value: "true"
    - name: N8N_BASIC_AUTH_USER
      value: "admin"
    - name: N8N_BASIC_AUTH_PASSWORD
      value: "yourpassword"
    

    如有使用 Cloudflare、Ingress TLS (Let's Encrypt)、或其他網域配置,也可提供更詳細設定範本。

    如果你想直接部署一個完整的 n8n + PostgreSQL + Ingress 的 YAML 範例,也可以告訴我,我可以幫你生成完整套件 👍

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.