KWOK项目支持KubeVirt虚拟机实例的无kubelet运行方案解析
在云原生技术快速发展的今天,Kubernetes已成为容器编排的事实标准。作为Kubernetes生态中的重要项目,KWOK(Kubernetes Without Kubelet)提供了一个轻量级的Kubernetes模拟环境,特别适合开发和测试场景。近期,社区提出了一个创新性的需求:让KWOK支持KubeVirt的虚拟机实例(VMI)在无需kubelet的情况下运行。
背景与挑战
KubeVirt是一个Kubernetes的扩展,允许用户在Kubernetes集群中运行和管理虚拟机。它通过自定义资源VirtualMachineInstance(VMI)来实现这一功能。在传统部署中,KubeVirt依赖于节点上的virt-handler组件(类似于kubelet)来管理虚拟机实例的生命周期。
然而,在KWOK环境中,由于没有实际的kubelet运行,virt-handler组件自然也不存在。这就导致了一个关键问题:当用户创建VMI并调度到KWOK节点时,虽然对应的virt-launcher Pod能够进入Running状态,但VMI本身会卡在Scheduling状态,因为缺少virt-handler来更新VMI的运行状态。
技术方案设计
针对这一挑战,社区提出了一个创新的解决方案,主要包含以下几个关键点:
-
引入VMI控制器:在KWOK中新增一个VMIController,类似于现有的Pod控制器。这个控制器将负责监控VMI资源的状态变化。
-
阶段配置文件:设计一种阶段配置文件(Stage File),用于指导VMI控制器如何协调VMI对象。这个文件可以定义状态转换的条件和时间延迟。
-
权限模拟机制:由于KubeVirt的安全设计,直接更新VMI状态会受到限制。解决方案中引入了impersonation(身份模拟)机制,让KWOK控制器能够以virt-handler或virt-controller服务账户的身份来更新VMI状态。
实现细节
在具体实现上,方案提出了对KWOK Stage API的扩展:
apiVersion: kwok.x-k8s.io/v1alpha1
kind: Stage
metadata:
name: vmi-example
spec:
resourceRef:
apiGroup: kubevirt.io/v1
kind: VirtualMachineInstance
nodeNameMatchExpressions: '.status.nodeName'
isStatusSubresource: false
impersonationConfig:
username: 'system:serviceaccount:kubevirt:kubevirt-controller'
这个配置的关键点包括:
nodeNameMatchExpressions:用于匹配调度到KWOK节点的VMIisStatusSubresource:标记VMI状态不是子资源impersonationConfig:配置模拟的服务账户身份
验证与测试
验证这一方案需要以下步骤:
- 获取kubevirt-controller的服务账户令牌
- 配置kubectl使用该令牌
- 测试VMI状态更新功能
- 确认VMI状态成功转变为Running
技术意义
这一方案的实现将为KubeVirt社区带来重要价值:
- 测试便利性:使KubeVirt的规模测试能够在轻量级的KWOK环境中进行
- 开发效率:加速KubeVirt功能的开发和验证周期
- 资源节约:减少测试环境对实际计算资源的需求
未来展望
随着这一功能的实现,KWOK将不仅支持标准Pod的模拟,还能支持更复杂的自定义资源。这为KWOK在更多场景下的应用打开了可能性,包括但不限于:
- 其他Kubernetes Operator的测试
- 自定义工作负载的模拟
- 混合部署环境(容器和虚拟机共存)的开发和测试
这一创新也体现了Kubernetes生态系统的灵活性和可扩展性,展示了不同项目间如何通过协作来解决复杂的技术挑战。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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