如何使用 Kogito Operator 部署 Serverless 工作流
引言
在现代云原生应用开发中,Serverless 工作流已经成为一种流行的架构模式,它允许开发者专注于业务逻辑,而无需管理底层基础设施。Kogito Operator 是一个强大的工具,专门用于在 Kubernetes 和 OpenShift 环境中部署和管理 Kogito 服务。Kogito 服务是基于云原生的业务自动化平台,支持 BPMN 和 DMN 等标准,能够帮助开发者快速构建和部署 Serverless 工作流。
本文将详细介绍如何使用 Kogito Operator 部署 Serverless 工作流,并探讨其在实际应用中的优势。
准备工作
环境配置要求
在开始使用 Kogito Operator 之前,确保你的开发环境满足以下要求:
-
Kubernetes 或 OpenShift 集群:你需要一个运行中的 Kubernetes 或 OpenShift 集群。如果你还没有集群,可以使用 Minikube 或 Kind 在本地搭建一个测试环境。
-
Kogito Operator:你可以通过以下命令安装 Kogito Operator:
VERSION=<current_operator_version> kubectl apply -f "https://github.com/apache/incubator-kie-kogito-operator/releases/download/${VERSION}/kogito-operator.yaml"请将
<current_operator_version>替换为最新的版本号。 -
Kogito CLI:Kogito CLI 是一个命令行工具,用于与 Kogito Operator 进行交互。你可以通过以下命令安装:
curl -L https://github.com/kiegroup/kogito-operator/releases/download/<version>/kogito-cli-<os>-<arch>.tar.gz | tar xz
所需数据和工具
在部署 Kogito 服务之前,你需要准备以下数据和工具:
- BPMN 或 DMN 模型文件:Kogito 服务基于 BPMN(业务流程模型和标记)和 DMN(决策模型和标记)标准。你需要准备好这些模型文件,以便 Kogito Operator 能够部署它们。
- Kafka 和 Infinispan:Kogito 服务通常需要消息队列(如 Kafka)和持久化存储(如 Infinispan)。你可以使用 Kogito Operator 自动部署这些基础设施,或者手动配置它们。
模型使用步骤
数据预处理方法
在部署 Kogito 服务之前,你需要确保 BPMN 和 DMN 模型文件已经准备好,并且符合 Kogito 的要求。你可以使用 Kogito VSCode 扩展或独立的编辑器来创建和验证这些模型文件。
模型加载和配置
-
创建 Kogito 服务:使用 Kogito CLI 或直接通过 Kubernetes 资源文件创建 Kogito 服务。例如,使用以下命令:
kogito deploy my-service --path=/path/to/my-bpmn-files -
配置基础设施:Kogito Operator 可以自动部署 Kafka 和 Infinispan 等基础设施。你也可以手动配置这些资源,并将其与 Kogito 服务关联。
任务执行流程
- 部署服务:使用 Kogito Operator 部署 Kogito 服务。Kogito Operator 会自动处理服务的构建、部署和运行。
- 监控和管理:Kogito Operator 提供了丰富的监控和管理功能,你可以通过 Kogito CLI 或 Kubernetes 仪表板来查看服务的状态和日志。
结果分析
输出结果的解读
Kogito 服务部署成功后,你可以通过 REST API 或 Kogito Management Console 与服务进行交互。服务会根据 BPMN 或 DMN 模型文件执行相应的业务逻辑,并返回结果。
性能评估指标
Kogito Operator 提供了多种性能评估指标,包括服务响应时间、资源使用情况等。你可以通过 Kubernetes 的 Metrics Server 或 Prometheus 来监控这些指标,并根据需要进行优化。
结论
Kogito Operator 是一个强大的工具,能够帮助开发者快速部署和管理 Serverless 工作流。通过 Kogito Operator,开发者可以专注于业务逻辑的实现,而无需担心底层基础设施的管理。未来,Kogito Operator 还将继续优化,提供更多功能和更好的性能,帮助开发者构建更加高效和可靠的云原生应用。
如果你有任何问题或需要进一步的帮助,可以访问 Kogito Operator 的官方文档 或提交问题到 GitHub 仓库。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00