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。
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
HunyuanVideo-1.5暂无简介00
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-X1-7BSpark-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