Higress网关内网负载均衡配置实践指南
背景介绍
在云原生架构中,Higress作为阿里巴巴开源的云原生网关,默认部署时会自动创建公网负载均衡器(LB)以提供外部访问能力。然而在实际企业场景中,出于安全隔离和内部服务调用的需求,我们经常需要将网关服务配置为仅通过内网负载均衡暴露。
核心配置原理
Higress网关的网络暴露方式本质上是通过Kubernetes Service资源实现的,其网络行为由Service的annotations控制。在云服务商的环境中,这些annotations会被对应的cloud-controller-manager识别并创建相应的负载均衡资源。
内网LB配置方案
通过深入分析Higress的Helm chart配置结构,我们发现可以通过以下方式实现内网负载均衡配置:
- 
安装时配置:在初始安装Higress时,通过设置
higress-core.gateway.service.annotations参数,添加云厂商特定的内网LB注解 - 
运行时修改:对于已部署的环境,可以直接修改Higress-gateway服务的annotations,添加如下典型配置:
- 阿里云:
service.beta.kubernetes.io/alibaba-cloud-loadbalancer-address-type: intranet - AWS:
service.beta.kubernetes.io/aws-load-balancer-scheme: internal - Azure:
service.beta.kubernetes.io/azure-load-balancer-internal: "true" 
 - 阿里云:
 
升级兼容性说明
经过实际验证,当通过Helm升级Higress时,只要不修改或覆盖原有的service配置,已存在的负载均衡配置(包括内网类型)将会被保留。这意味着:
- 初始安装后手动修改为内网LB的方案是可行的
 - 后续版本升级不会改变现有的网络配置
 - 建议在values.yaml中显式声明LB配置以保证配置可追溯
 
最佳实践建议
- 环境区分:在values.yaml中为不同环境(dev/test/prod)预设对应的网络配置
 - 配置版本化:将网络配置纳入版本控制系统管理
 - 安全加固:结合网络策略限制只允许特定CIDR访问内网LB
 - 监控配置:确保内网LB的监控指标能够被采集
 
技术实现细节
Higress网关的网络暴露实际上由多个Kubernetes资源协同完成:
- Service资源定义LB的基本属性
 - IngressClass定义入口控制器行为
 - NetworkPolicy控制网络流量规则(如启用)
 
当云厂商的CCM(Cloud Controller Manager)监听到Service资源创建/更新时,会根据annotations的配置创建对应的负载均衡器。内网LB与公网LB的主要区别在于:
- 网络平面不同(VPC内网vs公网)
 - 安全组/ACL策略不同
 - 计费方式可能不同
 
总结
Higress网关提供了灵活的网络暴露方案,通过合理配置Service annotations可以轻松实现公网/内网负载均衡的切换。理解这一机制后,运维团队可以根据实际业务需求,在保证安全性的前提下灵活调整网关的网络拓扑结构。建议在生产环境中采用Infrastructure as Code的方式管理这些网络配置,以确保环境的一致性和可追溯性。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00