Rancher Logging 中 PodSecurityPolicy 资源的现代化演进
背景概述
在 Kubernetes 生态系统中,安全策略的演进是一个持续的过程。随着 Kubernetes v1.25 版本的发布,PodSecurityPolicy (PSP) 这一长期存在的安全机制被正式弃用并移除。这一变化影响了包括 Rancher Logging 在内的许多基于 Kubernetes 的日志管理解决方案。
PodSecurityPolicy 的历史与现状
PodSecurityPolicy 曾经是 Kubernetes 中控制 Pod 安全标准的核心机制,它允许集群管理员控制 Pod 可以使用的安全相关特性。然而,由于其复杂的授权模型和使用体验,Kubernetes 社区决定用更现代的 Pod Security Admission (PSA) 控制器来替代它。
在 Rancher Logging 的早期版本中,为了确保日志收集组件(如 Fluent Bit 或 Fluentd)能够以适当的安全上下文运行,系统包含了多个 PSP 资源定义。这些资源主要分布在:
- RKE 集群的 DaemonSet 配置中
- RKE2 集群的部署文件中
- K3s 环境的模板里
现代化改造的必要性
随着 Kubernetes 核心 API 的演进,继续保留这些 PSP 资源会导致:
- 在 Kubernetes v1.25+ 集群上部署失败
- 产生不必要的配置冗余
- 无法利用更现代的 Pod 安全控制机制
- 潜在的向后兼容性问题
解决方案与实现
Rancher Logging 团队通过以下方式完成了现代化改造:
-
版本检测机制:在 chart 模板中增加了 API 版本检测逻辑,当目标集群不支持 PSP 时会给出明确的错误提示。
-
资源清理:移除了所有显式的 PodSecurityPolicy 资源定义,包括:
- RKE 相关配置
- RKE2 部署文件
- K3s 环境模板
-
兼容性处理:确保修改后的 chart 能够:
- 在支持 PSP 的旧版本 Kubernetes 上继续工作
- 在新版本集群上无缝迁移到 PSA 机制
迁移建议
对于正在使用 Rancher Logging 的用户,建议采取以下步骤:
-
评估集群版本:确认 Kubernetes 集群版本是否已经或即将升级到 v1.25+
-
更新日志配置:
- 升级到已移除 PSP 的新版本 Rancher Logging
- 检查并配置适当的 Pod 安全标准
-
安全策略转换:
- 将原有的 PSP 规则转换为 PSA 或 OPA/Gatekeeper 策略
- 验证新策略是否提供等效的安全控制
技术影响分析
这一变更带来的主要技术影响包括:
- 简化部署:减少了部署时的配置复杂性
- 标准统一:与 Kubernetes 核心安全模型保持一致
- 未来兼容:为后续采用更新的安全机制(如 PSA)铺平道路
- 维护简化:减少了需要维护的兼容性代码
最佳实践
对于运维团队,建议:
- 在测试环境中验证日志收集组件在新安全模型下的行为
- 建立适当的监控机制,确保安全策略变更不会影响日志收集功能
- 文档化安全策略的变更过程,便于审计和问题排查
- 考虑采用渐进式部署策略,逐步验证新配置
总结
Rancher Logging 中 PodSecurityPolicy 资源的现代化改造是 Kubernetes 生态系统持续演进的一个典型案例。这一变化不仅解决了 API 弃用带来的兼容性问题,也为采用更现代、更易用的安全机制奠定了基础。对于用户而言,及时跟进这些变更可以确保日志管理系统的长期稳定性和安全性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00