Microcks Helm Chart 新增 Gateway API 支持的技术解析
在 Kubernetes 生态系统中,服务网格和 API 网关技术正在快速发展。Microcks 作为一款优秀的 API 模拟和测试工具,其 Helm Chart 近期新增了对 Gateway API 的支持,这标志着该项目在云原生技术栈中的进一步成熟。
传统 Ingress 与 Gateway API 的演进
传统上,Microcks 使用 Kubernetes Ingress 资源来处理入口流量。Ingress 作为 Kubernetes 最早的入口解决方案,虽然简单易用,但在功能扩展性和灵活性方面存在局限。Gateway API 作为新一代标准,提供了更丰富的路由功能和更清晰的职责分离模型。
Gateway API 通过引入 GatewayClass、Gateway 和 Route 等资源,实现了控制平面和数据平面的解耦。这种架构允许集群管理员和应用程序开发者各司其职,同时支持更复杂的流量管理场景。
Microcks 的 Gateway API 实现方案
Microcks 1.12.x 版本开始支持通过 Helm Chart 配置使用 HTTPRoute 替代传统 Ingress。这一变化为用户提供了更多选择,特别是对于那些已经采用 Gateway API 标准的 Kubernetes 环境。
实现上,Microcks 通过 Helm 参数控制资源生成逻辑。当启用 gatewayRoutes 选项时,Chart 会创建 HTTPRoute 资源而非 Ingress 资源。这种设计保持了向后兼容性,同时为进阶用户提供了更现代的替代方案。
GRPC 流量处理的考量
对于 GRPC 流量,Microcks 团队面临一个技术决策点。传统方案中,GRPC 可以通过 Ingress 配合 TLS 透传实现安全通信。但在 Gateway API 环境下,当前规范对 TLS 透传的支持尚不完善。
经过技术评估,团队决定采用 GRPCRoute 资源来处理 GRPC 流量。这一选择虽然需要在网关层面处理 TLS 终止(而非在 Pod 层面),但提供了更好的规范兼容性和未来发展空间。这种调整也反映了云原生技术栈中安全边界的最佳实践演进。
部署配置示例
在实际部署时,用户可以通过以下 Helm 命令启用 Gateway API 支持:
helm install microcks ./microcks --namespace microcks \
--set microcks.url=microcks.127.0.0.1.nip.io \
--set keycloak.url=keycloak.127.0.0.1.nip.io \
--set keycloak.privateUrl=http://microcks-keycloak.microcks.svc.cluster.local:8080 \
--set ingresses=false \
--set gatewayRoutes=true \
--set gatewayRefNamespace=default
这一配置明确指定了使用 Gateway API 路由,并关联到指定命名空间中的 Gateway 资源。对于需要 GRPC 支持的环境,用户还需额外配置 TLS 证书等相关参数。
技术展望
随着 Gateway API 规范的不断成熟,Microcks 计划进一步完善其支持,包括对 TLSRoute 等高级功能的集成。这一演进方向与 Kubernetes 社区的整体趋势保持一致,将为用户带来更强大、更灵活的 API 管理能力。
对于已经采用或计划采用 Gateway API 的组织来说,Microcks 的这一更新提供了平滑过渡的技术路径,使其能够在不中断现有服务的情况下,逐步迁移到更现代的入口管理方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00