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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00