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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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