Cilium Tetragon 开发环境搭建指南
2026-02-04 05:14:15作者:魏侃纯Zoe
前言
Cilium Tetragon 是一个基于 eBPF 技术的安全可观测性工具,能够实时监控系统调用和内核事件。本文将详细介绍如何搭建 Tetragon 的开发环境,帮助开发者快速上手项目开发。
基础环境准备
硬件要求
- 推荐使用 x86_64 架构的机器
- 至少 4GB 内存
- 20GB 可用磁盘空间
软件依赖
- Go 工具链:需要与项目 go.mod 文件中指定的版本一致
- GNU Make:构建系统的基础工具
- 容器运行时:Docker 或 Podman
- 构建插件:docker-buildx-plugin
- 测试依赖:
- libcap 库
- libelf 库
在基于 Debian 的系统上,可以通过以下命令安装依赖:
sudo apt-get update
sudo apt-get install -y libelf-dev libcap-dev make
构建 Tetragon
完整构建
执行以下命令将构建 Tetragon 的所有组件,包括测试所需的二进制文件:
make
使用 Podman 构建
如果系统使用 Podman 作为容器运行时,可以这样构建:
CONTAINER_ENGINE='sudo podman' make
使用本地 Clang 构建
对于需要使用本地 Clang 的情况:
CONTAINER_ENGINE='sudo podman' LOCAL_CLANG=1 LOCAL_CLANG_FORMAT=1 make
注意:需要确保本地安装的 Clang 版本满足最低要求。
最小化构建
如果只需要构建核心组件,可以使用以下命令:
make tetragon tetragon-bpf tetra
这将构建:
- Tetragon 主程序
- BPF 程序
- tetra CLI 工具
运行 Tetragon
构建完成后,可以使用以下命令运行 Tetragon:
sudo ./tetragon --bpf-lib bpf/objs
重要说明:
--bpf-lib参数指定了 BPF 程序的存放路径- 如果遇到 BTF 相关错误,需要确保内核支持 BTF 或手动指定 BTF 文件路径
容器化部署
构建 Docker 镜像
make image
运行容器
docker run --name tetragon \
--rm -it -d --pid=host \
--cgroupns=host --privileged \
-v /sys/kernel/btf/vmlinux:/var/lib/tetragon/btf \
cilium/tetragon:latest
查看事件
docker exec -it tetragon \
bash -c "/usr/bin/tetra getevents -o compact"
系统服务部署
构建可部署的 tarball:
make tarball
开发环境配置
使用 Kind 集群
make kind-setup
验证安装:
kubectl get pods -n tetragon
使用 Vagrant (Intel Mac)
vagrant up
vagrant ssh
make
使用 Lima (Apple Silicon Mac)
- 安装 Lima:
brew install lima
- 创建并启动 VM:
limactl create --mount-writable --tty=false --name=tetragon
limactl start tetragon
limactl shell tetragon
- 安装依赖:
sudo add-apt-repository -y ppa:longsleep/golang-backports
sudo apt update
sudo apt install -y golang-1.23 libelf-dev libcap-dev make
export CONTAINER_ENGINE=nerdctl
export PATH=$PATH:/usr/lib/go-1.23/bin
- 构建 Tetragon:
make -j3 tetragon-bpf tetragon tetra
常见问题解决
- BTF 错误:确保内核支持 BTF 或手动指定 BTF 文件路径
- 构建失败:检查依赖是否完整安装,特别是 libelf 和 libcap
- 容器权限问题:确保使用
--privileged标志运行容器
结语
本文详细介绍了 Tetragon 开发环境的搭建方法,涵盖了从本地构建到容器化部署的多种场景。开发者可以根据自己的需求选择合适的开发方式。搭建好环境后,就可以开始探索 Tetragon 的强大功能并进行定制开发了。
登录后查看全文
热门项目推荐
相关项目推荐
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1