KGateway 2.0 安装架构优化与技术演进
2025-06-13 17:46:05作者:裴麒琰
KGateway 作为云原生网关解决方案,在 2.0 版本中对安装架构进行了重大改进。本文将深入分析这些技术变革及其背后的设计考量。
CRD 安装架构优化
在 2.0 版本中,KGateway 采用了分离式 CRD 图表设计。这种架构遵循了 Helm 最佳实践,将自定义资源定义(CRD)与主控制平面组件分离部署。这种设计带来了几个显著优势:
- 避免了未来可能的迁移难题
- 提供了更清晰的版本管理边界
- 允许独立升级 CRD 定义而无需影响运行中的控制平面
默认网关配置的范式转变
2.0 版本对默认网关(Gateway)的安装方式进行了重大调整。传统方案通过 Helm 模板直接生成默认网关资源,新版本则改为由控制器动态创建。这一变化基于以下技术考量:
- 减少了集群范围的资源依赖,为命名空间隔离部署创造了可能
- 避免了 Helm 升级时可能导致的用户自定义配置被覆盖的问题
- 通过控制器标志位(default=true)控制默认行为,同时保留禁用选项
网关参数配置的简化
项目团队对 GatewayParameters 配置进行了深度重构:
- 移除了 Helm 中的默认参数配置
- 将默认值编码到 API 类型定义中
- 在代码层面实现默认值和合并逻辑
这种设计消除了重复的配置API,使系统更加内聚。合并逻辑参考了 Kubernetes 的常见模式,确保配置层次清晰。
注解式配置的演进
早期版本使用注解方式关联 GatewayParameters,新版本转向标准的 spec.infrastructure.parametersRef 方式。这一变化:
- 更好地遵循 Gateway API 规范
- 提供了更明确的配置语义
- 为未来支持 spec.infrastructure 的其他字段(labels/annotations)奠定了基础
控制平面与数据平面配置分离
2.0 版本明确了配置职责边界:
- Helm 图表专注于控制平面部署配置(如副本数、服务暴露等)
- GatewayParameters 专门处理数据平面配置
- 网关类(GatewayClass)参数与控制平面解耦
这种分离使系统架构更加清晰,降低了配置复杂度,同时为多控制平面场景(如 kgateway 和 kgateway-waypoint)提供了更好的支持。
总结
KGateway 2.0 的安装架构优化体现了云原生领域配置管理的最佳实践演进。通过 CRD 分离、控制器动态配置、参数简化等改进,项目在保持功能强大的同时,显著提升了用户体验和部署灵活性。这些变化为 KGateway 在复杂云环境中的广泛应用奠定了坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.15 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
255
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
644
255