Kubernetes Gateway API:下一代Ingress控制器详解
Kubernetes Gateway API 是 Kubernetes 社区推出的用于配置和管理网关的新一代 API,它是 Ingress 资源的演进版本,提供了更强大、更灵活和更具表达力的流量管理能力。🚀 作为下一代 Ingress 控制器,Gateway API 解决了传统 Ingress 在表达能力、可扩展性和角色分离方面的限制,为云原生应用提供了标准化的网络入口管理方案。
什么是 Kubernetes Gateway API?
Gateway API 是一个由 Kubernetes 网络特殊兴趣小组 (SIG-NETWORK) 维护的开源项目,旨在通过提供表达性强、可扩展和面向角色的接口来改进服务网络。它不仅仅是 Ingress 的替代品,而是一个完整的演进版本。
传统 Ingress 的局限性
- 表达能力有限:Ingress 只能处理简单的 HTTP 路由
- 可扩展性差:依赖于特定控制器的注解来扩展功能
- 角色混乱:缺乏清晰的角色分离和权限边界
Gateway API 核心架构解析
Gateway API 引入了三个核心资源,构成了完整的网络入口管理体系:
GatewayClass:网关类定义
GatewayClass 定义了一组网关,这些网关共享公共配置和行为。它类似于 StorageClass,但用于网关:
apiVersion: gateway.networking.k8s.io/v1
kind: GatewayClass
metadata:
name: example-class
spec:
controllerName: example.com/gateway-controller
Gateway:网关实例
Gateway 描述了如何将流量转换为集群内的服务。它定义了监听器,每个监听器定义一个端口、协议和主机名:
HTTPRoute:HTTP 路由规则
HTTPRoute 定义了 HTTP 请求如何路由到后端服务,支持复杂的匹配条件和过滤规则:
apiVersion: gateway.networking.k8s.io/v1
kind: HTTPRoute
metadata:
name: example-route
spec:
parentRefs:
- name: example-gateway
hostnames:
- "api.example.com"
rules:
- matches:
- path:
type: PathPrefix
value: /api/v1
backendRefs:
- name: api-service
port: 8080
Gateway API v1.3.0 新特性深度解析
基于百分比的请求镜像
v1.3.0 引入了基于百分比的请求镜像功能,允许将指定百分比的请求镜像到另一个后端,这对于测试和监控非常有用:
filters:
- type: RequestMirror
requestMirror:
backendRef:
name: test-service
port: 8080
percent: 10 # 镜像 10% 的请求
CORS 过滤器增强
新增的 CORS 过滤器支持跨域资源共享配置,简化了前端应用的部署:
重试预算控制
重试预算功能限制客户端在服务端点间的重试行为,防止级联故障:
retry:
attempts: 3
backoff: "1s"
budget:
percentage: 20 # 最多 20% 的请求可以重试
Gateway API 与 Ingress 的详细对比
| 特性 | Ingress | Gateway API |
|---|---|---|
| 协议支持 | 仅 HTTP/HTTPS | HTTP/HTTPS/TCP/UDP/TLS/gRPC |
| 角色分离 | 无 | 清晰的角色分离 |
| 可扩展性 | 通过注解 | 原生 API 扩展 |
| 表达能力 | 有限 | 丰富的流量管理能力 |
| 类型安全 | 部分 | 完全类型安全 |
快速入门:5分钟部署 Gateway API
前置条件准备
- 安装 Gateway API CRDs:
kubectl apply -f https://github.com/kubernetes-sigs/gateway-api/releases/download/v1.3.0/standard-install.yaml
- 安装实验性特性:
kubectl apply -f https://github.com/kubernetes-sigs/gateway-api/releases/download/v1.3.0/experimental-install.yaml
基础配置部署
按照以下顺序部署示例配置:
# 部署基础 Gateway API 配置
kubectl apply -f manifests/gateway-api/basic/
# 部署新特性示例
kubectl apply -f manifests/gateway-api/v1.3-features/
从 Ingress 到 Gateway API 的平滑迁移指南
迁移步骤详解
- 创建 GatewayClass:定义网关控制器类型
- 部署 Gateway:配置网络监听器和 TLS 设置
- 转换路由规则:将 Ingress 规则转换为 HTTPRoute
迁移示例对比
原 Ingress 配置:
apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
name: example-ingress
spec:
rules:
- host: example.com
http:
paths:
- path: /
backend:
service:
name: example-service
port:
number: 80
转换后的 HTTPRoute:
apiVersion: gateway.networking.k8s.io/v1
kind: HTTPRoute
metadata:
name: example-route
spec:
parentRefs:
- name: nginx-gateway
hostnames:
- "example.com"
rules:
- matches:
- path:
type: PathPrefix
value: /
backendRefs:
- name: example-service
port: 80
Gateway API 最佳实践与性能优化
部署最佳实践
- 渐进式迁移:先在测试环境验证,再逐步迁移生产环境
- 角色分离:明确定义不同角色的职责和权限
- 监控观察:部署适当的监控和日志记录
- 安全配置:使用 TLS 终止和适当的安全策略
性能优化技巧
- 负载均衡策略:选择合适的负载均衡算法
- 连接池管理:优化后端服务的连接池配置
- 缓存策略:合理配置缓存以提高性能
支持的控制器与生态系统
Gateway API 拥有丰富的生态系统支持:
- Envoy Gateway:官方推荐的参考实现
- Istio:服务网格的领导者
- Cilium:基于 eBPF 的高性能实现
- Airlock Gateway:企业级解决方案
总结:为什么选择 Gateway API?
Kubernetes Gateway API 代表了 Kubernetes 网络入口管理的未来方向。它通过清晰的 API 设计、强大的功能和丰富的生态系统,为现代云原生应用提供了理想的网络入口解决方案。💡
无论您是刚开始接触 Kubernetes 的新手,还是已经在生产环境中运行大规模集群的专家,Gateway API 都值得您深入了解和采用。
官方文档路径:manifests/gateway-api/README.md 基础配置示例:manifests/gateway-api/basic/gateway.yaml
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 StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
