使用Google管理的证书(Managed Certificates)于Kubernetes集群
2024-09-24 07:25:58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
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
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322