KubeGems 开源项目安装与使用教程
1. 项目介绍
KubeGems 是一个开源的、企业级的多租户容器云平台。它围绕云原生社区构建,提供了对多个 Kubernetes 集群的丰富组件管理和资源成本分析能力,帮助企业快速构建和部署本地化的、功能强大且成本低廉的云管理平台。
KubeGems 的主要特点包括:
- 多 Kubernetes 集群管理:支持多个 Kubernetes 集群的集中统一管理。
- 多租户管理:提供企业级的多租户管理功能。
- 插件管理:支持丰富的云原生生态插件,实现即时插拔。
- GitOps:结合 Argocd/Rollout 实现 GitOps 工作流。
- 可观测性:基于 OpenTelemetry 提供全面的监控、日志、事件和审计功能。
- 服务网格:基于 Istio 的服务网格管理。
- 应用商店:内置丰富的应用市场,支持应用的生命周期管理。
- AI/机器学习平台:提供一站式 AI 开发和训练平台。
2. 项目快速启动
2.1 安装 Kubernetes 集群
首先,您需要安装一个 Kubernetes 集群。支持的 Kubernetes 版本为 v1.20 及以上。您可以使用以下任意一种方法来安装 Kubernetes 集群:
- kubeadm
- kind
- kubekey
2.2 安装 KubeGems
选择一个 KubeGems 版本,并设置环境变量:
export KUBEGEMS_VERSION=<TAG_NAME> # 替换为具体的 KubeGems 版本
在 Kubernetes 集群准备好后,安装 KubeGems 安装器操作符:
kubectl create namespace kubegems-installer
kubectl apply -f "https://github.com/kubegems/kubegems/raw/$[KUBEGEMS_VERSION]/deploy/installer.yaml"
安装 KubeGems:
kubectl create namespace kubegems
export STORAGE_CLASS=local-path # 设置为您的存储类
curl -sL "https://github.com/kubegems/kubegems/raw/$[KUBEGEMS_VERSION]/deploy/kubegems.yaml" \
| sed -e "s/local-path/$[STORAGE_CLASS]/g" > kubegems.yaml
kubectl apply -f kubegems.yaml
更多安装信息请参考 KubeGems 官方文档。
3. 应用案例和最佳实践
KubeGems 已经在多家企业成功部署,并为核心业务提供了稳定、长期的支持。以下是一些应用案例和最佳实践:
3.1 企业内部云平台
KubeGems 帮助企业快速构建内部云平台,提供多租户管理、资源成本分析和丰富的云原生生态插件,满足企业多样化的云管理需求。
3.2 AI/机器学习平台
KubeGems 内置的 AI/机器学习平台支持模型开发、训练、部署和推理优化,帮助企业快速落地和布局 AI 产业。
3.3 云边一体化管理
KubeGems 联合 Rancher k3s 支持云边一体化管理,提供边缘设备的统一注册、认证流程,支持边缘应用异步批量化更新,极大提高了企业 IoT 和边缘服务的管理效率。
4. 典型生态项目
KubeGems 与多个云原生生态项目紧密集成,提供了丰富的功能和扩展能力。以下是一些典型的生态项目:
4.1 Istio
KubeGems 基于 Istio 提供服务网格管理,支持微服务的流量管理、安全性和可观测性。
4.2 OpenTelemetry
KubeGems 使用 OpenTelemetry 提供全面的监控、日志、事件和审计功能,支持多种开发语言的 SDK 接入。
4.3 ArgoCD
KubeGems 结合 ArgoCD 实现 GitOps 工作流,支持应用的持续交付和自动化部署。
4.4 Rancher k3s
KubeGems 联合 Rancher k3s 支持云边一体化管理,提供边缘设备的统一注册、认证流程,支持边缘应用异步批量化更新。
通过以上模块的介绍,您可以快速了解 KubeGems 的功能和使用方法,并根据实际需求进行部署和应用。
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