Skaffold 使用教程
项目介绍
Skaffold 是一个命令行工具,旨在简化 Kubernetes 应用程序的持续开发。它能够处理应用程序的构建、推送和部署工作流程,并提供了构建块和自定义选项,以便于构建 CI/CD 管道。Skaffold 支持快速本地开发,自动检测代码更改并处理构建、推送和部署流程,同时提供基于策略的镜像标记和持续反馈。
项目快速启动
安装 Skaffold
首先,你需要安装 Skaffold。可以通过以下命令进行安装:
curl -Lo skaffold https://storage.googleapis.com/skaffold/releases/latest/skaffold-linux-amd64 && \
sudo install skaffold /usr/local/bin/
初始化项目
在你的项目目录中,运行以下命令来初始化 Skaffold:
skaffold init
启动开发模式
使用以下命令启动 Skaffold 的开发模式:
skaffold dev
这将启动 Skaffold 的持续开发循环,自动检测代码更改并重新构建、推送和部署应用程序。
应用案例和最佳实践
本地开发与远程部署
Skaffold 支持本地和远程 Kubernetes 集群的开发和部署。你可以在本地迭代应用程序源代码,然后部署到远程集群。
CI/CD 管道
Skaffold 提供了构建块和自定义选项,以便于构建 CI/CD 管道。你可以使用 skaffold run 进行端到端部署,或者使用 Skaffold 的各个阶段来构建你的 CI/CD 管道。
多组件应用
Skaffold 支持由多个组件组成的应用程序。你可以使用 skaffold init 自动发现文件并生成配置文件。
典型生态项目
Kubernetes
Skaffold 与 Kubernetes 紧密集成,支持在 Kubernetes 集群上进行应用程序的持续开发和部署。
Google Cloud Code
Google Cloud Code 提供了对 Skaffold 的集成,可以在 Visual Studio Code 和 JetBrains IDEs 中管理 Skaffold,并提供更引导的启动体验。
GitOps
Skaffold 支持 GitOps 工作流程,通过 skaffold render 输出 hydrated Kubernetes 清单,可以在 GitOps 工作流程中使用。
通过以上内容,你可以快速了解和使用 Skaffold 进行 Kubernetes 应用程序的持续开发和部署。
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