Kubernetes Gateway API 使用指南
项目介绍
Kubernetes Gateway API 是由 Kubernetes 社区维护的一组 API,旨在提供动态基础设施配置和高级流量路由功能。Gateway API 通过定义一组资源(如 Gateway、HTTPRoute 等),帮助用户更灵活地管理 Kubernetes 集群中的服务网络。
Gateway API 的主要目标是简化 Kubernetes 中的服务网络配置,提供更高级的流量管理功能,如基于路径、主机名、HTTP 头等的流量路由。它还支持多种协议,包括 HTTP、TCP、UDP 等,适用于各种复杂的网络场景。
项目快速启动
安装 Gateway API CRDs
首先,你需要安装 Gateway API 的自定义资源定义(CRDs)。你可以通过以下命令来安装:
kubectl apply -f https://raw.githubusercontent.com/kubernetes-sigs/gateway-api/main/config/crd/standard/gateway.networking.k8s.io_gateways.yaml
kubectl apply -f https://raw.githubusercontent.com/kubernetes-sigs/gateway-api/main/config/crd/standard/gateway.networking.k8s.io_httproutes.yaml
部署 Gateway 控制器
接下来,你需要部署一个支持 Gateway API 的控制器。这里我们以 Contour 为例:
kubectl apply -f https://projectcontour.io/quickstart/contour.yaml
创建 Gateway 和 HTTPRoute
现在,你可以创建一个 Gateway 和一个 HTTPRoute 来配置流量路由。以下是一个简单的示例:
apiVersion: gateway.networking.k8s.io/v1alpha2
kind: Gateway
metadata:
name: example-gateway
spec:
gatewayClassName: contour
listeners:
- name: http
protocol: HTTP
port: 80
routes:
kind: HTTPRoute
selector:
matchLabels:
gateway: example-gateway
---
apiVersion: gateway.networking.k8s.io/v1alpha2
kind: HTTPRoute
metadata:
name: example-httproute
labels:
gateway: example-gateway
spec:
parentRefs:
- name: example-gateway
rules:
- matches:
- path:
type: PathPrefix
value: /
backendRefs:
- name: example-service
port: 80
验证部署
你可以通过以下命令验证 Gateway 和 HTTPRoute 是否正确部署:
kubectl get gateways
kubectl get httproutes
应用案例和最佳实践
多租户环境中的流量管理
在多租户环境中,Gateway API 可以帮助你为不同的租户配置独立的流量路由规则。通过定义多个 Gateway 和 HTTPRoute,你可以确保每个租户的流量被正确路由到其对应的服务。
灰度发布
Gateway API 支持基于权重的流量路由,这使得灰度发布变得非常简单。你可以通过调整 HTTPRoute 中的权重配置,逐步将流量从旧版本服务迁移到新版本服务。
基于路径的流量路由
Gateway API 允许你根据请求路径来路由流量。例如,你可以将所有以 /api 开头的请求路由到一个特定的后端服务,而将其他请求路由到另一个服务。
典型生态项目
Contour
Contour 是一个基于 Envoy 的 Kubernetes Ingress 控制器,支持 Gateway API。它提供了高性能的流量路由和负载均衡功能,适用于大规模的 Kubernetes 集群。
Istio
Istio 是一个服务网格,也支持 Gateway API。通过 Istio,你可以实现更复杂的流量管理功能,如流量镜像、故障注入等。
Traefik
Traefik 是一个现代化的反向代理和负载均衡器,支持 Gateway API。它提供了丰富的配置选项和动态配置能力,适用于各种复杂的网络场景。
通过结合这些生态项目,你可以构建一个功能强大且灵活的 Kubernetes 服务网络。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00