Grafana OnCall 私有镜像仓库配置指南
2025-06-19 18:40:12作者:伍希望
在Kubernetes环境中部署Grafana OnCall时,许多企业由于安全合规要求或网络限制,无法直接访问公共镜像仓库。本文将详细介绍如何配置Grafana OnCall Helm chart以使用私有镜像仓库。
为什么需要私有镜像仓库
企业级部署通常面临以下场景:
- 生产环境与互联网隔离,无法拉取公共镜像
- 需要审计和管控所有部署的容器镜像
- 对镜像进行定制化修改后需要内部托管
配置方法
Grafana OnCall Helm chart提供了灵活的镜像配置选项。要使用私有仓库,只需修改values.yaml文件中的image.repository参数:
image:
repository: your-private-repo/oncall
高级配置建议
对于生产环境,建议同时配置以下参数:
- 镜像拉取密钥:如果私有仓库需要认证
imagePullSecrets:
- name: your-registry-secret
- 镜像版本固定:避免意外升级
image:
tag: "v1.13.4"
pullPolicy: IfNotPresent
- 镜像仓库CA证书:如果使用自签名证书
extraVolumes:
- name: registry-certs
secret:
secretName: registry-ca-cert
extraVolumeMounts:
- name: registry-certs
mountPath: /etc/docker/certs.d/your-private-repo
readOnly: true
最佳实践
- 在CI/CD流水线中自动同步公共镜像到私有仓库
- 定期扫描私有仓库中的镜像漏洞
- 为不同环境(dev/staging/prod)配置不同的镜像仓库策略
- 使用镜像摘要(SHA256)而非标签确保一致性
通过以上配置,企业可以在隔离环境中安全地部署和管理Grafana OnCall服务,同时满足内部合规要求。
登录后查看全文
热门项目推荐
相关项目推荐
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
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
393
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
878
583
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
164
暂无简介
Dart
766
189
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
746
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
React Native鸿蒙化仓库
JavaScript
302
350