Eclipse Che 自定义工作空间端点域名配置指南
背景介绍
Eclipse Che 是一款开源的云原生集成开发环境(IDE)平台,它允许开发团队在 Kubernetes 或 OpenShift 集群上快速创建和管理开发环境。在实际生产部署中,企业通常需要根据自身需求定制 Che 服务器的访问域名。
问题描述
当管理员为 Eclipse Che 配置自定义主机名时(例如 che.devs.mycompany.com),虽然仪表板和 IDE 访问会使用这个自定义域名,但开发工作空间中定义的公共端点(Public Endpoints)仍然会使用集群默认的基础域名生成路由。这会导致端点访问地址不一致,例如:
https://<user>-<workspace>-<endpoint-name>.apps.<default base domain>
这种不一致性会给网络配置和管理带来不便,特别是当企业需要迁移到新集群但希望保持相同域名结构时。
解决方案
1. 统一工作空间端点域名
通过修改 CheCluster 自定义资源(CR),可以指定工作空间端点使用与 Che 服务器相同的域名基础:
spec:
components:
cheServer:
extraProperties:
CHE_INFRA_OPENSHIFT_ROUTE_HOST_DOMAIN__SUFFIX: "devs.mycompany.com"
这个配置将确保所有工作空间端点都使用统一的基础域名,例如:
https://<user>-<workspace>-<endpoint-name>.devs.mycompany.com
2. 端点路由策略优化
除了统一域名外,Eclipse Che 还支持通过主网关代理工作空间端点,避免为每个端点创建独立路由。这可以通过在工作空间端点定义中添加特定属性实现:
endpoints:
- name: node
targetPort: 4200
exposure: public
protocol: https
attributes:
urlRewriteSupported: true
启用此功能后,端点将通过主 Che 网关访问,格式为:
https://<che_url>/<user>-<workspace>-<endpoint-name>
注意:这种模式下所有端点将要求身份验证,不再适合直接与团队成员共享。
进阶配置建议
对于企业级部署,建议考虑以下配置策略:
-
全局路由策略:目前端点路由策略需要在每个端点单独配置,未来版本可能会支持全局配置
-
认证控制:根据安全需求,可以控制是否对生成端点实施认证
-
DNS 配置:使用网关代理模式可以简化 DNS 配置,只需为 Che 主域名设置记录,无需配置通配符记录
总结
通过合理配置 Eclipse Che 的工作空间端点域名和路由策略,企业可以实现:
- 统一的访问域名结构
- 简化的网络配置
- 灵活的安全控制
- 更便捷的集群迁移
这些配置选项使 Eclipse Che 能够更好地适应企业级部署场景,满足严格的网络和安全要求。
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
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