云原生周刊:CNCF 宣布 KEDA 毕业 | 2023.8.28

原创
2023/08/28 17:47
阅读数 101
AI总结

开源项目推荐

KDash

KDash 是一个用 Rust 构建的简单快速的 Kubernetes 仪表板。它提供了一个终端界面,用于监视和管理 Kubernetes 集群。该仪表板具有多种功能,包括节点指标、资源监视、自定义资源定义、容器日志流式传输、上下文切换等。它还支持不同的主题和键盘快捷键操作。

fubectl

fubectl 是一个开源项目,旨在减少使用 kubectl 时的重复性交互。它提供了一些便捷的命令和别名,以简化 kubectl 的使用,并增加了一些额外的功能。

Canary checker

Canary checker 是一个基于 Kubernetes 的平台,通过被动和主动(合成)机制来监控应用程序和基础架构的健康状况。

ktail

ktail 是一个工具,用于方便地实时查看 Kubernetes 容器日志。它具有比 kubectl logs 更多的功能。该工具支持自动检测新增的 Pod 和容器,并可以同时跟踪多个命名空间中的多个 Pod 和容器。它可以根据名称和标签进行匹配,并默认跟踪一个 Pod 中的所有容器。它具有失败恢复能力,并提供更好的日志格式化和语法高亮功能。

文章推荐

Kubernetes:Pod 和 WorkerNodes — 控制 Pod 在节点上的放置

这篇文章探讨了在 Kubernetes 中如何控制 Pod 在节点上的部署位置。它介绍了四种主要的方法来控制 Pod 在 WorkerNodes 上的部署:

  • 使用节点污点(Taints)和 Pod 容忍度(Tolerations)
  • 使用 Pod 的 nodeName 或 nodeSelector
  • 使用节点亲和性(nodeAffinity)和节点反亲和性(nodeAntiAffinity)
  • 使用 Pod 亲和性(podAffinity)和 Pod 反亲和性(podAntiAffinity)

此外,文章还涉及了 Pod 拓扑分布约束(Pod Topology Spread Constraints),即根据故障域(如区域、可用性区或节点)的规则来放置 Pod。

使用 Sveltos 可控有序部署 Kubernetes 资源

这篇文章介绍了如何使用 Sveltos 在 Kubernetes 集群中以受控和有序的方式部署资源。作者指出,在部署 Kubernetes 资源时,有时需要按特定顺序进行部署,例如,在创建某种类型的自定义资源之前必须存在 CustomResourceDefinition(CRD)。Sveltos 可以通过允许您指定 Kubernetes 资源部署的顺序来解决这个问题。

云原生动态

CNCF 宣布 K8s 自动缩放器 KEDA 毕业

日前,CNCF 宣布 KEDA 毕业。

KEDA(Kubernetes Event-Driven Autoscaling,Kubernetes 事件驱动自动缩放器)是一个专门为 Kubernetes 设计的事件驱动自动缩放器,可以轻松地添加到 Kubernetes 集群中以扩展应用程序。

该项目始于 2019 年,是微软和红帽的合作项目。它于 2020 年 3 月被接纳为 CNCF 沙箱项目,并于 2021 年 8 月进入孵化器阶段。

Kubeflow 成为 CNCF 孵化项目

云原生计算基金会(CNCF)最近宣布,经过技术监督委员会(TOC)投票,将机器学习(ML)工作流部署到 Kubernetes 上的工具包 Kubeflow 被接受为 CNCF 孵化项目。

Kubeflow 提供开源和 Kubernetes 原生 MLOps 平台,用于为最流行的框架开发和部署分布式机器学习(ML):TensorFlow、PyTorch、XGBoost、Apache MXNet 等。

Kubeflow 由 Google 于 2017 年创建,目前社区拥有 150 家公司、28K+ GitHub Stars、15+ 提交者,自 2017 年以来发布了 15 个版本。

Buoyant 将 Linkerd 服务网格扩展至多个 Kubernetes 集群

Buoyant 发布了开源 Linkerd 服务网格的更新,使运行在不同 Kubernetes 集群上的 Pod 能够跨扁平网络建立直接 TCP 连接。

此外,Linkerd 2.14 版本现在完全支持 Kubernetes 中添加的网关应用程序编程接口(API),以提供配置资源(例如 HTTP 请求类)的标准机制。

本文由博客一文多发平台 OpenWrite 发布!

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
0 评论
0 收藏
0
分享
AI总结
返回顶部
顶部