Apache ShenYu Helm Chart 使用教程
2024-09-02 18:50:23作者:明树来
1. 项目的目录结构及介绍
Apache ShenYu Helm Chart 的目录结构如下:
shenyu-helm-chart/
├── charts/
├── templates/
│ ├── _helpers.tpl
│ ├── deployment.yaml
│ ├── service.yaml
│ ├── ingress.yaml
│ └── ...
├── values.yaml
└── Chart.yaml
目录结构介绍
- charts/: 存放依赖的子 chart。
- templates/: 存放 Kubernetes 资源模板文件,如 Deployment、Service、Ingress 等。
- _helpers.tpl: 定义模板助手函数。
- deployment.yaml: 定义 ShenYu 的 Deployment 配置。
- service.yaml: 定义 ShenYu 的 Service 配置。
- ingress.yaml: 定义 ShenYu 的 Ingress 配置。
- values.yaml: 定义默认的配置值。
- Chart.yaml: 定义 chart 的元数据,如名称、版本等。
2. 项目的启动文件介绍
在 templates/ 目录下,主要的启动文件是 deployment.yaml。这个文件定义了如何部署 ShenYu 应用到 Kubernetes 集群中。
deployment.yaml 关键部分
apiVersion: apps/v1
kind: Deployment
metadata:
name: {{ include "shenyu.fullname" . }}
labels:
{{- include "shenyu.labels" . | nindent 4 }}
spec:
replicas: {{ .Values.replicaCount }}
selector:
matchLabels:
{{- include "shenyu.selectorLabels" . | nindent 6 }}
template:
metadata:
labels:
{{- include "shenyu.selectorLabels" . | nindent 8 }}
spec:
containers:
- name: {{ .Chart.Name }}
image: "{{ .Values.image.repository }}:{{ .Values.image.tag }}"
imagePullPolicy: {{ .Values.image.pullPolicy }}
ports:
- containerPort: {{ .Values.service.port }}
env:
{{- toYaml .Values.env | nindent 12 }}
resources:
{{- toYaml .Values.resources | nindent 12 }}
启动文件介绍
- apiVersion: 指定 Kubernetes API 版本。
- kind: 指定资源类型为 Deployment。
- metadata: 定义 Deployment 的名称和标签。
- spec: 定义 Deployment 的具体配置,包括副本数、选择器、模板等。
- template: 定义 Pod 模板,包括容器镜像、端口、环境变量和资源限制。
3. 项目的配置文件介绍
主要的配置文件是 values.yaml,它定义了 chart 的默认配置值。
values.yaml 关键部分
replicaCount: 1
image:
repository: apache/shenyu-admin
tag: latest
pullPolicy: IfNotPresent
service:
type: ClusterIP
port: 8080
resources:
requests:
memory: 512Mi
cpu: 500m
limits:
memory: 1Gi
cpu: 1
env:
- name: SPRING_DATASOURCE_URL
value: "jdbc:mysql://mysql:3306/shenyu?useUnicode=true&characterEncoding=utf-8"
- name: SPRING_DATASOURCE_USERNAME
value: "root"
- name: SPRING_DATASOURCE_PASSWORD
value: "123456"
配置文件介绍
- replicaCount: 定义副本数量。
- image: 定义镜像仓库、标签和拉取策略。
- service: 定义服务类型和端口。
- resources: 定义资源请求和限制。
- env: 定义环境变量,如数据库连接信息。
通过修改 values.yaml 文件,可以自定义 ShenYu 的部署配置,如镜像版本、服务类型、资源限制等。
以上是 Apache ShenYu Helm Chart 的基本使用教程,
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217