Apache OpenWhisk 在 Kubernetes 上的部署教程
2024-11-29 09:43:25作者:晏闻田Solitary
1. 项目介绍
Apache OpenWhisk 是一个开源的分布式 Serverless 平台,它能够响应事件执行函数(fx),并且支持任何规模的部署。OpenWhisk 平台允许开发者编写功能逻辑(称为 Actions),这些逻辑可以用任何受支持的编程语言编写,并且可以动态调度,以响应来自外部源(Feeds)的关联事件或 HTTP 请求。本教程将向您展示如何将 OpenWhisk 部署到 Kubernetes 或 OpenShift 集群。
2. 项目下载位置
您可以在 GitHub 上找到 Apache OpenWhisk 部署至 Kubernetes 的项目,位置如下:
GitHub 仓库地址:apache/openwhisk-deploy-kube
3. 项目安装环境配置
在开始部署之前,您需要确保已经安装并配置了以下环境:
- Kubernetes 集群
- Helm 3
以下是 Kubernetes 集群配置的示例图片:
// 请在此处插入图片,图片描述:Kubernetes 集群配置示例
以下是 Helm 3 安装成功的示例图片:
// 请在此处插入图片,图片描述:Helm 3 安装成功示例
4. 项目安装方式
安装 Apache OpenWhisk 至 Kubernetes 集群的步骤如下:
-
克隆项目仓库:
git clone https://github.com/apache/openwhisk-deploy-kube.git -
切换到项目目录:
cd openwhisk-deploy-kube -
使用 Helm 部署 OpenWhisk:
helm install openwhisk ./helm/openwhisk
5. 项目处理脚本
在部署过程中,可能会需要一些额外的处理脚本,具体取决于您的 Kubernetes 环境和需求。以下是一个基本的 Kubernetes 清理脚本的示例:
#!/bin/bash
# 删除 OpenWhisk Helm 释放
helm uninstall openwhisk
# 删除与 OpenWhisk 相关的所有 Kubernetes 资源
kubectl delete namespaces openwhisk
请根据您的实际情况调整上述脚本。
以上就是 Apache OpenWhisk 在 Kubernetes 上的部署教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
657
4.26 K
Ascend Extension for PyTorch
Python
502
606
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
284
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
891
昇腾LLM分布式训练框架
Python
142
168