VMware Tanzu Educates 培训平台基于 Carvel 的安装指南
前言
VMware Tanzu Educates 培训平台是一个基于 Kubernetes 的现代化教学平台,专为技术培训和教育场景设计。本文将详细介绍如何使用 Carvel 工具集中的 kapp-controller 在现有 Kubernetes 集群上安装 Educates 平台。
Carvel 工具集简介
Carvel 是一套专为 Kubernetes 设计的工具集合,提供了一系列用于包管理和应用部署的解决方案。虽然安装 Educates 平台并不强制要求本地安装 Carvel 工具,但了解这些工具可以帮助您更好地管理 Kubernetes 应用。
准备工作
1. 确认 kapp-controller 状态
Educates 平台需要 Kubernetes 集群中预先安装 kapp-controller。如果您使用的是 Tanzu Kubernetes Grid (TKG) 或 Tanzu Mission Control (TMC) 创建的集群,kapp-controller 通常已经预装。
如需手动安装,执行以下命令:
kubectl apply -f https://github.com/vmware-tanzu/carvel-kapp-controller/releases/latest/download/release.yml
安装步骤
2. 创建安装服务账户
Educates 平台需要较高的权限来创建各种 Kubernetes 资源,因此需要创建具有 cluster-admin 权限的服务账户:
kubectl apply -f https://github.com/educates/educates-training-platform/releases/latest/download/educates-installer-app-rbac.yaml
此命令会创建:
- 名为
educates-installer的命名空间 - 具有必要权限的服务账户
3. 准备配置文件
创建一个包含 Educates 平台配置的 config.yaml 文件,然后将其存储为 Kubernetes Secret:
kubectl create secret generic educates-installer -n educates-installer --from-file config.yaml --save-config
4. 安装 Educates 平台
执行以下命令安装最新版 Educates:
kubectl apply -f https://github.com/educates/educates-training-platform/releases/latest/download/educates-installer-app.yaml
后期维护
5. 更新配置
如需更新配置,修改 config.yaml 后执行:
kubectl create secret generic educates-installer -n educates-installer --from-file config.yaml --dry-run=client -o yaml | kubectl apply -f -
6. 强制配置同步
使用 Carvel 的 kctrl 工具强制同步配置:
kctrl app kick -a installer.educates.dev -n educates-installer -y
注意:配置变更通常只影响新创建的培训门户,不影响已存在的环境。
卸载指南
7. 完全卸载 Educates
删除 Educates 平台及其相关资源:
kubectl delete -n educates-installer app/installer.educates.dev
8. 清理残留资源
手动清理命名空间和集群角色绑定:
kubectl delete namespace/educates-installer
kubectl delete clusterrolebinding/educates-installer
最佳实践建议
-
版本控制:建议在生产环境中使用特定版本而非最新版,以确保稳定性。
-
权限管理:虽然 Educates 需要 cluster-admin 权限,但在实际生产环境中应考虑更细粒度的权限控制。
-
配置备份:定期备份您的 config.yaml 文件,以便在需要时可以快速恢复。
-
监控:安装后建议设置对 educates-installer 命名空间的监控,及时发现潜在问题。
通过以上步骤,您应该能够顺利完成 VMware Tanzu Educates 培训平台的安装和基础配置。如需更高级的配置选项,建议参考官方文档中的详细配置参数说明。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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