弹性云原生:tensile-kube - 跨集群资源调度的利器!
项目简介
tensile-kube 是一个基于 virtual-kubelet 构建的开源工具,旨在让 Kubernetes 集群之间的协同工作更加智能和高效。它允许上层集群与下层集群之间进行资源自动发现,并优化跨集群的资源调度,同时支持 PV/PVC 和服务管理,确保应用的稳定运行。
项目技术分析
tensile-kube 包含以下关键组件:
-
虚拟节点(virtual-node):这是一个基于 virtual-kubelet 实现的 Kubernetes 提供者。上层集群创建的Pod会被同步到下层集群,并处理依赖的ConfigMap或Secret。
-
多集群调度器(multi-cluster scheduler):使用 Kubernetes 的调度框架构建,实时监控所有下层集群的容量,当可用节点数大于等于1时,进行Pod调度。为满足不同的需求,还提供了一个额外的实现——去碎片化调度器(descheduler)。
-
去碎片化调度器(descheduler):类似 K8s 的 descheduler,但针对特定场景进行了优化,可尝试重新调度无法在低层集群中调度的Pod。
-
webhook:利用 Kubernetes 的突变webhook机制,转换可能影响Pod调度的字段,如
nodeSelector、nodeAffinity和tolerations,仅对有标签virtual-pod:true的Pod生效。
应用场景

tensile-kube 在腾讯游戏的部署实践中大放异彩。在一个由 flannel 连接的多集群环境中,所有的节点CIDR都基于同一个etcd分配,Pod可以跨集群直接通过IP通信。这种情况下,tensile-kube 能有效帮助解决资源碎片问题,提高集群资源利用率。
项目特点
- 跨集群资源自动发现:实时了解每个集群的资源状况,提升调度效率。
- 异步通知Pod修改:降低频繁列表查询带来的开销。
- 全功能日志和执行支持:与
kubectl logs和kubectl exec命令兼容。 - 全局调度避免资源碎片:利用多集群调度器避免因资源碎片导致的不可调度Pod。
- 动态去碎片策略:descheduler 可重新调度无法在较低层级集群中调度的Pod。
- PV/PVC 支持:特别适用于本地PV的
WaitForFirstConsumer策略。 - 服务同步:保证跨集群的服务通讯正常。
快速部署
要构建并部署tensile-kube,你可以按照以下步骤操作:
- 克隆仓库:
git clone https://github.com/virtual-kubelet/tensile-kube.git - 编译项目:
make - 部署虚拟节点:根据提供的参数设置,运行虚拟节点二进制文件
- 部署webhook和descheduler:将配置文件中的镜像替换为你的镜像,并在K8s集群中部署
贡献者包括来自腾讯的Weidong Cai、Ye Yin,以及其他开发者。
tensile-kube 是一个多才多艺的工具,无论你是大型集群管理员还是追求高效资源调度的开发人员,它都能帮你实现更智能的跨集群资源管理。立即加入,开启你的弹性云原生之旅吧!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00