Kubernetes集群状态管理的利器:Reshifter
Reshifter是一个强大的Kubernetes集群状态管理工具和库,支持多种操作模式,包括命令行一次性任务、Web应用界面以及定时任务。它利用etcd API查询和操作与Kubernetes对象相关的状态,并兼容旧版(v2
,/registry
)、新版(v2
/v3
,/kubernetes.io
)以及OpenShift等特定发行版的键值。
应用场景
无论你是要进行审计、计费、节省成本还是故障排查,Reshifter都是你的得力助手:
- 审计 需要符合法规要求时,Reshifter能生成记录所有集群对象状态的审计轨迹。
- 计费 记录谁运行了什么,以便对内部客户按量或按时计费。
- 节省开支 当在公共云中运行开发或测试集群时,你可以用Reshifter保存状态,关闭集群,然后在需要时恢复以避免额外费用。
- 问题解决 对于任何类型的Kubernetes集群,无论是生产环境还是测试环境,Reshifter都可以捕获特定时间点的状态,用于离线调试和故障排除。
- 容量规划 收集数据以估计未来可能需要添加多少工作节点。
- 升级 在从Kubernetes 1.5升级到1.6等版本时,使用Reshifter可以实现几乎零停机时间的平滑升级。
- 恢复 在生产环境中运行时,使用Reshifter备份已部署应用的状态,作为恢复过程的基础。
- 灾难恢复 运行多个集群时,可以通过Reshifter进行状态复制以应对灾难性故障。
状态和路线图
查看Trello板获取项目的当前状态和路线图详情。另请查阅设计哲学和架构,了解更多关于其工作原理的信息。
命令行工具
通过rcli
二进制文件,你可以直接在命令行中使用Reshifter。在GitHub发布页面上下载适用于Linux和macOS的二进制版本。
$ rcli -h
Reshifter的命令行工具,支持Kubernetes集群的备份和还原。
使用方式:
rcli [命令]
可用命令:
backup 创建Kubernetes集群的备份
explore 探测etcd端点
help 关于任何命令的帮助
restore 执行Kubernetes集群的还原
stats 从etcd端点收集与Kubernetes相关的键的统计信息
version 显示Reshifter版本
...
简单的使用示例假设有一个etcd在http://localhost:4001
上运行:
# 将Kubernetes集群备份到Minio playground:
$ ACCESS_KEY_ID=Q3AM3UQ867SPQQA43P2F \
SECRET_ACCESS_KEY=zuf+tfteSlswRu7BJ86wekitnifILbZam1KYY3TG \
rcli backup create --endpoint http://localhost:4001 \
--remote play.minio.io:9000 \
--bucket mh9-test
# 从Minio playground还原集群,使用备份ID 1498815551:
$ ACCESS_KEY_ID=Q3AM3UQ867SPQQA43P2F \
SECRET_ACCESS_KEY=zuf+tfteSlswRu7BJ86wekitnifILbZam1KYY3TG \
rcli restore --endpoint http://localhost:4001 \
--remote play.minio.io:9000 \
--bucket mh9-test \
--backupid 1498815551
更多使用方法,请参阅CLI教程。
Web应用程序
想要体验Web界面?看看应用演示。
本地部署
若想启动Reshifter Web应用,只需使用Docker镜像,因为它包含了静态资源(如HTML、CSS和JS)和Go二进制文件:
$ docker run --rm -p 8080:8080 quay.io/mhausenblas/reshifter:0.3.22
如果只想使用Reshifter API,例如作为一个无头服务,可以简单地使用二进制文件,无需其他依赖:
$ curl -s -L https://github.com/mhausenblas/reshifter/releases/download/v0.3.22-alpha/reshifter -o reshifter
$ chmod +x reshifter
$ ./reshifter
Reshifter的HTTP API定义在并可通过Swagger访问:swaggerhub.com/apis/mhausenblas/reshifter/1.0.0
在OpenShift中部署
为在OpenShift上安装Reshifter应用,我们使用了一个Makefile,创建一个名为reshifter
的新项目,从Docker镜像启动应用,最后通过路由暴露服务以便在集群外部访问。这需要OpenShift Origin 1.5(或OpenShift Container Platform 3.5)集群的访问权限以及本地安装的oc
CLI工具:
$ make init
$ make build
$ make publish
在Kubernetes中部署
要在Kubernetes中以可移植的方式安装Reshifter应用,使用kubectl
和提供的YAML文件。这需要对Kubernetes 1.5或更高版本的集群的访问权限以及本地安装的kubectl CLI工具:
$ kubectl create -f https://raw.githubusercontent.com/mhausenblas/reshifter/master/deployments/reshifter-app.yaml
请注意:上述YAML文件定义了一个Deployment
和一个Service
对象。但它并未将Reshifter服务对外公开。如果你希望从集群外部访问该应用,你需要使用Ingress或者自定义YAML文件。
备份策略
Reshifter支持不同的备份策略。
配置
Reshifter在整个部署过程中接受以下配置参数,这些参数以环境变量的形式提供。目前它们都是可选的,但根据所使用的etcd设置或备份目标,可能需要设置一些参数,例如将备份存储到S3兼容的存储中。
环境变量 | 含义 | 设置时机 |
---|---|---|
ACCESS_KEY_ID |
S3访问密钥ID | 将备份到远程S3兼容存储时 |
SECRET_ACCESS_KEY |
S3秘密访问密钥 | 将备份到远程S3兼容存储时 |
RS_ETCD_CLIENT_CERT |
etcd客户端证书文件路径 | 使用安全etcd时 |
RS_ETCD_CLIENT_KEY |
etcd客户端密钥文件路径 | 使用安全etcd时 |
RS_ETCD_CA_CERT |
etcd CA证书文件路径 | 使用安全etcd时 |
RS_BACKUP_STRATEGY |
如果存在,则选择备份策略 | 进行backup 操作时 |
RS_ETCD_API_VERSION |
如果存在,覆盖自动检测并强制Reshifter使用指定的etcd API版本;允许的值是v2 或v3 |
进行backup ,restore 和stats 操作时 |
注:
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









