Eclipse Che 在 Kubernetes 中通过 Helm 安装失败的解决方案
问题背景
在使用 Helm Chart 安装 Eclipse Che 时,很多用户会遇到 Operator 启动失败的问题,表现为 Pod 状态变为 CrashLoopBackOff。通过分析日志可以发现,主要错误信息是找不到 DevWorkspaceOperator 相关的 CRD 资源。
错误现象
当用户执行以下 Helm 命令安装 Eclipse Che 后:
helm install my-eclipse-che eclipse-che/eclipse-che --version 7.83.0 -n eclipse-che
Operator Pod 会持续重启,查看日志会发现如下关键错误:
no matches for kind "DevWorkspaceRouting" in version "controller.devfile.io/v1alpha1"
no matches for kind "DevWorkspaceOperatorConfig" in version "controller.devfile.io/v1alpha1"
问题原因
Eclipse Che 7.x 版本依赖于 DevWorkspace Operator (DWO) 来管理工作区。当通过 Helm Chart 安装时,默认不会自动安装这个依赖组件,导致 Che Operator 无法找到所需的 CRD 而启动失败。
解决方案
1. 手动安装 DevWorkspace Operator
在执行 Helm 安装 Eclipse Che 之前,需要先安装 DevWorkspace Operator:
kubectl apply -f https://raw.githubusercontent.com/devfile/devworkspace-operator/v0.26.0/deploy/deployment/kubernetes/combined.yaml
这个 YAML 文件包含了 DWO 所需的所有资源定义,包括 CRD、RBAC 配置和 Operator 部署。
2. 验证 DWO 安装
安装完成后,可以通过以下命令验证 DWO 是否正常运行:
kubectl get pods -n devworkspace-controller
应该能看到 devworkspace-controller 相关的 Pod 处于 Running 状态。
3. 安装 Eclipse Che
确认 DWO 正常运行后,再执行 Helm 安装命令:
helm install my-eclipse-che eclipse-che/eclipse-che --version 7.83.0 -n eclipse-che
补充说明
-
版本兼容性:确保 DevWorkspace Operator 的版本与 Eclipse Che 版本兼容。对于 Che 7.83.0,推荐使用 DWO v0.26.0。
-
安装顺序:必须先安装 DWO,再安装 Eclipse Che,否则 Che Operator 会因为找不到依赖资源而启动失败。
-
命名空间:DWO 默认安装在 devworkspace-controller 命名空间,而 Eclipse Che 安装在 eclipse-che 命名空间,两者可以共存。
总结
通过预先安装 DevWorkspace Operator 解决了 Helm 安装 Eclipse Che 时的依赖问题。这种显式管理依赖的方式虽然增加了安装步骤,但提供了更好的可控性和灵活性,特别适合生产环境部署。对于开发测试环境,也可以考虑使用 chectl 工具,它会自动处理这些依赖关系。
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 StartedRust075- 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
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00