Aeraki 网络代理:服务网格中的全层7协议管理
项目介绍
Aeraki(发音为“Air-rah-ki”),源于希腊语中的“微风”,是为了解决服务网格内非HTTP层7协议管理而生的开源项目。它设计初衷是非侵入式且高度可扩展,专注于在服务网格中处理如Dubbo、Thrift等非HTTP协议的流量管理,让HTTP协议的管理交由其他成熟的服务网格项目负责,以免重复造轮子。
Aeraki当前支持与Istio集成,并计划未来支持更多的服务网格平台。通过提供高级别、用户友好的交通管理规则,它将这些规则转换为Envoy过滤器配置,利用Istio的EnvoyFilter API推送到边车代理。此外,Aeraki还作为MetaProtocol代理的数据平面RDS服务器,实现了对所有层7协议的通用动态路由能力。
项目快速启动
要快速启动Aeraki,首先确保你的开发环境已准备就绪,包括Golang版本>=1.16以及相关工具,如goimports, gofmt等。还需要安装Docker和Docker Compose。
步骤1: 克隆仓库
git clone https://github.com/aeraki-framework/aeraki.git
cd aeraki
步骤2: 构建Aeraki二进制文件
对于Linux系统:
make build
MacOS用户应执行:
make build IMAGE_OS=darwin
步骤3: 运行示例
假设你想在一个测试环境中运行Aeraki,虽然具体的快速启动命令需参照最新官方文档,一般流程涉及配置文件的设置和Aeraki服务的启动命令,大致步骤如下:
# 假定存在一个启动脚本或具体命令
# 由于实际命令未给出,以下仅为示意
# 配置环境和参数后执行启动命令
./aeraki start --config path/to/your/config.yaml
请参考最新的官方文档以获取详细指令。
应用案例和最佳实践
Aeraki被广泛应用于需要管理复杂层7流量的场景,特别是那些依赖于Dubbo、Thrift或其他专有协议的微服务体系中。例如,在腾讯音乐的服务网格实践中,Aeraki帮助他们有效地管理了Dubbo服务间通信,实现了请求级负载均衡、灵活路由匹配等特性,同时保证了服务间的安全性。
最佳实践通常包括:
- 利用Aeraki实现多协议共存:在一个服务网格内部署HTTP与Dubbo服务,并通过Aeraki进行统一管理。
- 微服务之间的透明代理:通过配置Aeraki,无需修改现有服务代码即可实现服务治理功能。
- 性能优化:利用Aeraki的智能负载均衡策略和连接复用减少延迟,提升整体性能。
典型生态项目
Aeraki不仅作为一个独立组件发挥作用,也在更大的服务网格生态中扮演着重要角色,尤其是与Istio结合时。通过与Istio的深度整合,Aeraki扩大了服务网格支持的协议范围,使得服务网格能够适应更广泛的微服务架构场景。此外,虽然Aeraki本身是一个独立的项目,但它与 Envoy 和其他周边技术共同构成了现代云原生微服务的基础设施,是构建高度可定制化、全层7管理能力服务网格的关键组成部分。
以上信息基于给定的背景资料,具体实施时请参照项目最新的官方文档进行操作,因为技术和指导可能会随时间更新。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00