使用Google管理的证书(Managed Certificates)于Kubernetes集群
2024-09-24 02:40:55作者:明树来
项目介绍
Google Cloud Platform上的Managed Certificates for Kubernetes clusters使用GCLB(Google Cloud Load Balancer),简化了HTTPS流量管理过程。 此项目允许开发者通过创建Managed Certificate自定义资源对象并指定所需保护的域名,自动获取和续订SSL证书,无需手动处理证书权威机构(CA)的申请、负载均衡器配置以及及时续期等繁琐步骤。它特别适用于运行在GKE或GCP内的自托管Kubernetes集群上,并且已支持GA版本。
项目快速启动
环境准备
确保您的Kubernetes集群满足以下条件:
- 支持GKE-Ingress v1.5.1+。
- 集群版本建议v1.19.0以上,v1.15+可能也适用,而v1.13-v1.15需启用特定功能。
- 赋予控制器必要的GCP API权限。
安装步骤
-
部署Managed Certificate CRD:
kubectl create -f deploy/managedcertificates-crd.yaml -
部署Controller: 可以使用默认镜像或自建镜像替换
deploy/managed-certificate-controller.yaml中的图像地址。kubectl create -f deploy/managed-certificate-controller.yaml -
创建证书示例: 编写yaml文件或直接执行命令,指定您要获取证书的域名。
apiVersion: networking.gke.io/v1 kind: ManagedCertificate metadata: name: example-certificate spec: domains: - example1.com - example2.com并应用此配置。
-
配置Ingress: 使用
kubectl给Ingress添加注解来关联刚创建的Managed Certificate。kubectl annotate ingress your-ingress-name networking.gke.io/managed-certificates=example-certificate
应用案例和最佳实践
- 多域单一管理: 使用单个Managed Certificate管理多个相关联的域名,提高证书管理和更新的一致性。
- 自动化部署: 结合CI/CD流程,自动创建和关联Managed Certificates,实现环境间无缝迁移。
- 安全性: 确保你的域名CAA记录兼容如Google Trust Services或Let's Encrypt,以利用Managed Certificates的自动化更新特性。
典型生态项目集成
虽然项目本身是围绕GKE和其证书管理机制设计,但它的生态集成主要体现在如何与Kubernetes的其他服务或第三方云原生工具结合。例如:
- 与Istio集成: 对于需要更细粒度的服务网格管理场景,尽管直接集成信息较少,但可以通过自定义Ingress Gateway来间接使用Managed Certificates,增强服务之间的安全通信。
- 自动化部署脚本: 结合Helm图表或Kustomize,可以将Managed Certificates的部署作为基础设施即代码的一部分,纳入到自动化部署流程中。
此文档提供了一个快速入门指南,详细配置和管理步骤请参考官方仓库的最新说明和文档。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220