Kyverno CLI测试功能中规则重复执行问题解析
2025-06-03 23:42:10作者:伍希望
问题背景
在Kyverno策略引擎的CLI测试工具使用过程中,开发者发现当测试文件中包含results.rule配置时,测试会对策略中的所有规则进行重复执行。具体表现为:一个原本只应测试两条规则的场景,实际执行了四次测试,导致测试结果出现异常。
问题复现
该问题可以通过以下步骤复现:
- 创建一个包含两条规则的Kyverno策略文件
- 编写对应的测试文件,其中包含
results.rule配置 - 使用
kyverno test命令执行测试
测试结果会显示每条规则被测试了两次,而不是预期的每条规则只测试一次。测试输出中会出现类似"Want pass, got fail"和"Want fail, got pass"的矛盾结果。
根本原因
经过技术分析,发现这个问题是由于测试配置中设置了isValidatingAdmissionPolicy: true参数导致的。当该参数启用时,Kyverno CLI会对策略中的每条规则执行额外的验证逻辑,从而造成规则被重复测试。
解决方案
解决此问题的方法很简单:在测试配置文件中移除或禁用isValidatingAdmissionPolicy参数。具体操作如下:
- 打开kyverno-test.yaml配置文件
- 找到并删除
isValidatingAdmissionPolicy: true这一行 - 保存文件后重新运行测试
技术深入
Kyverno的测试框架在设计上支持多种验证模式,其中包括对验证准入策略(Validating Admission Policy)的特殊处理。当启用这一模式时,测试框架会执行额外的验证步骤以确保策略在Kubernetes准入控制环境中的行为符合预期。这种设计虽然增加了测试的全面性,但在特定场景下可能导致测试重复执行。
最佳实践建议
- 仅在确实需要测试验证准入策略行为时才启用
isValidatingAdmissionPolicy参数 - 对于常规策略测试,保持测试配置简洁
- 编写测试时明确指定要测试的规则,避免隐式测试所有规则
- 定期检查测试结果,确保没有意外的测试重复
总结
Kyverno CLI的测试功能是验证策略行为的重要工具,理解其配置参数的影响对于获得准确的测试结果至关重要。通过合理配置测试参数,开发者可以避免规则重复测试的问题,确保测试结果真实反映策略的预期行为。这一问题的解决也体现了理解工具底层工作机制的重要性,有助于开发者更有效地使用Kyverno进行策略管理和测试。
登录后查看全文
热门项目推荐
相关项目推荐
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218