Virtual Kubelet 使用教程
项目介绍
Virtual Kubelet 是一个开源的 Kubernetes kubelet 实现,它伪装成一个 kubelet,目的是将 Kubernetes 连接到其他 API。这使得节点可以由其他服务支持,如 ACI、AWS Fargate、IoT Edge 等。Virtual Kubelet 的主要应用场景是扩展 Kubernetes API 到无服务器容器平台,如 ACI 和 Fargate。尽管如此,它并不旨在替代 Kubernetes 联邦。
项目快速启动
安装 Virtual Kubelet
首先,确保你已经安装了 Kubernetes 集群。然后,你可以通过以下命令安装 Virtual Kubelet:
# 克隆项目仓库
git clone https://github.com/virtual-kubelet/virtual-kubelet.git
cd virtual-kubelet
# 构建并运行 Virtual Kubelet
make build
./bin/virtual-kubelet --provider <PROVIDER_NAME> --kubeconfig <PATH_TO_KUBECONFIG>
配置 Provider
Virtual Kubelet 支持多种 Provider,例如 ACI、AWS Fargate 等。你需要根据选择的 Provider 进行相应的配置。以下是一个示例配置:
apiVersion: v1
kind: ConfigMap
metadata:
name: virtual-kubelet-config
namespace: default
data:
provider: "aci"
# 其他 Provider 特定的配置
应用案例和最佳实践
案例一:使用 Virtual Kubelet 连接到 ACI
假设你有一个 Kubernetes 集群,并且希望将一些工作负载部署到 Azure Container Instances (ACI)。你可以通过以下步骤实现:
-
安装 Virtual Kubelet ACI Provider:
helm install virtual-kubelet/virtual-kubelet --name vk-aci --namespace vk-aci --set provider=azure -
部署应用到 ACI:
apiVersion: apps/v1 kind: Deployment metadata: name: aci-deployment spec: replicas: 3 selector: matchLabels: app: aci-app template: metadata: labels: app: aci-app spec: containers: - name: aci-app image: nginx:latest ports: - containerPort: 80 nodeSelector: kubernetes.io/role: agent beta.kubernetes.io/os: linux type: virtual-kubelet tolerations: - key: virtual-kubelet.io/provider operator: Equal value: azure effect: NoSchedule
最佳实践
- 资源管理:确保为 Virtual Kubelet 节点配置适当的 Taint 和 Tolerations,以保证容器和 VM Pod 的调度分离。
- 服务发现:通过 Provider 实现的 API 将 IaaS 层 VM 信息抽象成对应 Pod 对象的信息,以便上报 Endpoints。
典型生态项目
1. Azure Container Instances (ACI)
ACI 是一个完全托管的容器服务,可以与 Virtual Kubelet 无缝集成,提供按需、弹性的容器运行环境。
2. AWS Fargate
AWS Fargate 是一个无服务器计算引擎,适用于 Amazon ECS 和 EKS,可以与 Virtual Kubelet 结合使用,实现无服务器容器部署。
3. IoT Edge
IoT Edge 是一个用于在边缘设备上运行容器化应用的平台,Virtual Kubelet 可以扩展 Kubernetes 管理到边缘设备。
通过这些生态项目,Virtual Kubelet 不仅扩展了 Kubernetes 的管理能力,还提供了与多种云服务和边缘计算平台的集成。
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