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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C061
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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