OpenYurt项目中边缘节点LoadBalancer服务过滤机制的优化
2025-07-08 15:57:32作者:咎竹峻Karen
背景与现状
在OpenYurt这个云原生边缘计算平台中,yurthub组件负责处理边缘节点与云端Kubernetes控制面的通信。当前实现中,yurthub包含一个discardcloudservice过滤器,其主要功能是过滤掉边缘节点不应感知的云服务。
现有实现会默认丢弃所有LoadBalancer类型的Service,除非该Service被显式标记了特定注解(openyurt.io/skip-discard=true)。这种设计源于边缘节点上的客户端通常无法通过Pod IP直接访问云应用,因此需要避免kube-proxy感知这些LoadBalancer服务。
问题分析
随着OpenYurt项目的发展,新提出的高可用边缘服务方案需要支持跨NodePool的LoadBalancer服务。这意味着边缘节点需要能够感知某些特定的LoadBalancer服务,而当前的默认丢弃所有LoadBalancer服务的策略已不再适用。
解决方案
针对这一需求,OpenYurt社区决定对discardcloudservice过滤器进行以下优化:
- 行为反转:将过滤逻辑从"默认丢弃"改为"默认保留",只有显式标记的LoadBalancer服务才会被过滤
- 注解变更:引入新的注解svc.openyurt.io/discard=true来标识需要过滤的服务,取代原有的openyurt.io/skip-discard=true注解
- 兼容性考虑:保持对旧注解的支持,但推荐使用新注解
技术实现细节
在代码层面,主要修改包括:
- 在常量定义文件中添加新的注解常量svc.openyurt.io/discard=true
- 修改过滤器逻辑,仅丢弃带有新注解的LoadBalancer服务
- 更新相关单元测试以验证新逻辑
影响与意义
这一变更将为OpenYurt带来以下优势:
- 更好的灵活性:边缘服务可以根据实际需要选择是否在边缘节点上可见
- 支持新功能:为跨NodePool的LoadBalancer服务提供基础支持
- 更直观的配置:使用正向标记(discard)而非反向标记(skip-discard)使配置更加清晰
总结
OpenYurt通过优化yurthub组件中的服务过滤机制,为边缘计算场景提供了更灵活的服务发现能力。这一改进不仅解决了当前的技术限制,也为未来的功能扩展奠定了基础,体现了OpenYurt项目持续演进的设计理念。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude 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 Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253