Kong Kubernetes Ingress Controller中HTTPRoute表达式路由的服务合并优化
在Kong Kubernetes Ingress Controller项目中,最近针对HTTPRoute资源表达路由功能的实现进行了一项重要优化。这项优化主要解决了在表达式路由模式下,相同后端服务被重复创建的问题,从而提高了Kong配置的效率和性能。
背景与问题
在Kubernetes Ingress Controller中,HTTPRoute资源用于定义HTTP流量的路由规则。Kong支持两种路由模式:传统路由和表达式路由。在表达式路由模式下,每个HTTPRoute会被转换为Kong特定的表达式路由配置。
原先的实现中存在一个效率问题:当多个HTTPRoute指向相同的后端服务(包括相同的服务引用、权重和过滤器配置)时,系统会为每个HTTPRoute创建独立的Kong服务。这种实现方式虽然功能上可行,但会导致Kong配置中存在大量重复服务定义,增加了配置复杂度和资源消耗。
解决方案
优化后的实现通过以下方式解决了这个问题:
-
服务合并机制:在表达式路由模式下,系统会识别具有相同目标引用(targetRefs)的HTTPRoute规则,包括相同的服务、权重和过滤器配置。
-
统一服务创建:对于这些相同的后端服务配置,系统不再为每个HTTPRoute创建独立服务,而是创建一个共享的Kong服务。
-
路由规则关联:多个HTTPRoute的路由规则会被关联到这个共享服务上,通过表达式路由的匹配条件来区分不同的流量路由。
技术实现细节
在代码层面,这项优化主要涉及HTTPRoute翻译器的重构:
-
服务标识生成:系统为每个唯一的服务组合(服务引用+权重+过滤器)生成一个确定性标识符。
-
服务缓存:在翻译过程中维护一个服务缓存,确保相同配置的服务只被创建一次。
-
路由表达式构建:为每个HTTPRoute构建独立的表达式路由规则,但指向共享的服务资源。
优势与收益
这项优化带来了多方面的好处:
-
配置精简:显著减少了生成的Kong配置项数量,特别是在大规模部署场景下。
-
性能提升:减少了Kong需要处理的服务对象数量,降低了内存占用和CPU消耗。
-
维护简化:统一的配置结构使得系统更易于理解和维护。
-
一致性保证:确保相同后端服务的配置完全一致,避免了因分散定义导致的潜在不一致问题。
总结
这项针对Kong Kubernetes Ingress Controller中HTTPRoute表达式路由的优化,体现了对系统效率和资源利用的持续改进。通过智能合并相同后端服务的路由配置,不仅提升了系统性能,也为用户提供了更加简洁高效的配置体验。这种优化对于大规模部署Kong作为Ingress Controller的场景尤为重要,能够有效降低配置复杂度和资源开销。
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