在kube-hetzner项目中配置Cilium Gateway API与Hetzner负载均衡器的集成
背景介绍
kube-hetzner是一个使用Terraform在Hetzner Cloud上部署Kubernetes集群的开源项目。当用户希望使用Cilium的Gateway API功能替代Kubernetes原生的Ingress控制器时,会遇到Hetzner Cloud负载均衡器无法自动创建和配置的问题。
问题本质
Cilium Gateway API与传统Ingress控制器的工作机制有根本区别。传统Ingress控制器通常会与云提供商的API交互来自动创建负载均衡器资源,而Cilium Gateway API不依赖这种控制器机制,因此需要额外的配置才能与Hetzner Cloud的负载均衡器服务集成。
关键发现
经过深入排查,发现问题根源在于缺少必要的Custom Resource Definitions(CRDs)。这些CRDs是Cilium Gateway API正常运行的前提条件,必须在安装Cilium之前就部署到集群中。
解决方案
1. 安装必要的Gateway API CRDs
在部署Cilium之前,需要先安装以下CRD资源:
apiVersion: apiextensions.k8s.io/v1
kind: CustomResourceDefinition
metadata:
name: gatewayclasses.gateway.networking.k8s.io
spec:
# 具体规范内容
类似的CRD还需要为Gateways、HTTPRoutes、ReferenceGrants等资源定义。这些CRD可以从Gateway API项目的官方仓库获取。
2. 配置Cilium Helm值
以下是推荐的Cilium Helm配置,特别针对kube-hetzner环境进行了优化:
ipam:
mode: kubernetes
k8s:
requireIPv4PodCIDR: true
kubeProxyReplacement: true
l7Proxy: true
routingMode: "native"
ipv4NativeRoutingCIDR: "10.42.0.0/16"
loadBalancer:
acceleration: native
gatewayAPI:
enabled: true
3. 网络模式选择
在Hetzner Cloud环境中,建议使用"native"路由模式而非隧道模式,这样可以获得更好的网络性能。同时需要正确设置集群的Pod CIDR范围。
4. 负载均衡器集成
虽然Cilium Gateway API不会自动创建Hetzner负载均衡器,但可以通过以下方式实现集成:
- 手动创建Hetzner负载均衡器
- 将负载均衡器指向运行Cilium的节点
- 配置适当的健康检查端点
实施建议
对于kube-hetzner用户,建议通过修改项目的Terraform模板,在集群初始化阶段就添加CRD安装步骤。可以将CRD安装作为pre-install阶段的任务,确保在Cilium部署前所有必要的API资源都已就绪。
性能优化
在Hetzner Cloud环境中使用Cilium时,还可以考虑以下优化措施:
- 启用eBPF加速的数据路径
- 配置适当的MTU值(建议1450)
- 启用Hubble网络观测功能
- 使用XDP加速负载均衡性能
总结
通过正确配置CRDs和Cilium参数,可以在kube-hetzner部署的Kubernetes集群中实现Cilium Gateway API与Hetzner负载均衡器的协同工作。这种配置虽然比传统Ingress控制器需要更多手动步骤,但能提供更灵活的服务网格功能和更好的网络性能。
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 StartedRust0211
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03