OpenFaaS for Kubernetes 使用教程
1. 项目介绍
faas-netes 是 OpenFaaS 的一个提供者,它使得 OpenFaaS 能够在 Kubernetes 上运行。OpenFaaS 是一个用于构建无服务器函数的框架,支持 Docker 和 Kubernetes,并且具有对指标的一流支持。通过 faas-netes,用户可以在 Kubernetes 上部署和管理无服务器函数,从而实现云原生的无服务器体验。
faas-netes 是 OpenFaaS 社区版(CE)的一部分,支持在任何 Kubernetes 服务上部署,包括本地集群和托管服务(如 OpenShift)。它提供了与 Kubernetes 原生集成的功能,如 API 和生态系统集成,并且可以通过 Helm Chart 进行安装和管理。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Kubernetes 集群(如 Minikube、Kind 或云提供商的 Kubernetes 服务)
kubectl命令行工具helm包管理工具faas-cliOpenFaaS 命令行工具
2.2 安装 OpenFaaS
首先,添加 OpenFaaS 的 Helm Chart 仓库:
helm repo add openfaas https://openfaas.github.io/faas-netes/
helm repo update
然后,使用 Helm 安装 OpenFaaS:
helm upgrade --install openfaas openfaas/openfaas \
--namespace openfaas \
--create-namespace \
--set functionNamespace=openfaas-fn \
--set basic_auth=true
2.3 配置 faas-cli
安装完成后,获取 OpenFaaS 的登录凭证:
PASSWORD=$(kubectl -n openfaas get secret basic-auth -o jsonpath="{.data.basic-auth-password}" | base64 --decode)
echo -n $PASSWORD | faas-cli login --username admin --password-stdin
2.4 部署第一个函数
使用 faas-cli 部署一个简单的函数:
faas-cli store deploy figlet
部署完成后,可以通过以下命令调用该函数:
echo "Hello OpenFaaS" | faas-cli invoke figlet
3. 应用案例和最佳实践
3.1 微服务架构
OpenFaaS 可以用于构建微服务架构,每个微服务作为一个函数部署在 Kubernetes 上。这种方式可以简化服务的管理和扩展,同时利用 Kubernetes 的自动伸缩功能。
3.2 事件驱动架构
OpenFaaS 支持多种事件源,如 Kafka、AWS SQS 和 Cron 等。通过这些事件源,可以构建事件驱动的无服务器应用,实现异步处理和消息队列的功能。
3.3 定时任务
使用 OpenFaaS 的 Cron 支持,可以轻松地部署定时任务。例如,每天定时执行数据备份或清理任务。
4. 典型生态项目
4.1 Prometheus
Prometheus 是 Kubernetes 生态中的一个开源监控系统,OpenFaaS 集成了 Prometheus,可以实时监控函数的调用情况、响应时间等指标。
4.2 NATS
NATS 是一个高性能的消息系统,OpenFaaS 通过 NATS 实现异步消息传递,支持大规模的分布式系统。
4.3 Linkerd
Linkerd 是一个服务网格,可以与 OpenFaaS 结合使用,提供服务间的流量管理、监控和安全功能。
通过这些生态项目的集成,OpenFaaS 可以构建一个完整的云原生应用开发栈,称为 PLONK 栈(Prometheus, Linux/Linkerd, OpenFaaS, NATS/Nginx, Kubernetes)。
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-1.5暂无简介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