Keptn 项目使用教程
1. 项目介绍
Keptn 是一个基于事件的控制平面,用于云原生应用的持续交付和自动化运维。它通过自动化 SLO(服务级别目标)驱动的多阶段交付和应用运维,帮助开发者提高效率和可靠性。Keptn 支持多种部署工具,如 ArgoCD、Flux、GitLab 等,并且可以与 Kubernetes 无缝集成。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Docker
- Kubernetes (推荐使用 K3d 或 Minikube)
- Keptn CLI
2.2 安装 Keptn
2.2.1 安装 K3d
curl -s https://raw.githubusercontent.com/rancher/k3d/main/install.sh | TAG=v5.3.0 bash
k3d cluster create mykeptn -p "8082:80@loadbalancer" --k3s-arg "--no-deploy=traefik@server:*"
2.2.2 安装 Keptn CLI
curl -sL https://get.keptn.sh | bash
2.2.3 使用 Helm 安装 Keptn
helm repo add keptn https://charts.keptn.sh && helm repo update
helm install keptn keptn/keptn -n keptn --create-namespace --wait --set=apiGatewayNginx.type=LoadBalancer
2.2.4 安装额外的服务(可选)
helm install jmeter-service keptn/jmeter-service -n keptn
helm install helm-service keptn/helm-service -n keptn
2.3 验证安装
安装完成后,你可以通过以下命令验证 Keptn 是否安装成功:
keptn status
3. 应用案例和最佳实践
3.1 自动化部署和验证
Keptn 可以与 GitOps 工具(如 ArgoCD)集成,实现自动化的部署和验证。通过定义 SLO(服务级别目标),Keptn 可以在部署前后执行自动化测试和验证,确保应用的质量和稳定性。
3.2 故障恢复和自愈
Keptn 支持自动化的故障恢复和自愈功能。当应用出现故障时,Keptn 可以根据预定义的策略自动执行恢复操作,如回滚到上一个稳定版本或触发特定的修复脚本。
3.3 多阶段交付
Keptn 支持多阶段的交付流程,可以在不同的环境中(如开发、测试、生产)执行不同的验证和部署策略。这有助于确保应用在每个阶段都符合预期的质量标准。
4. 典型生态项目
4.1 ArgoCD
ArgoCD 是一个声明式的 GitOps 持续交付工具,与 Keptn 集成后,可以实现自动化的部署和验证。ArgoCD 负责应用的部署,而 Keptn 负责部署后的验证和自动化操作。
4.2 Prometheus
Prometheus 是一个开源的监控和报警工具,Keptn 可以与 Prometheus 集成,获取应用的实时监控数据,并根据这些数据执行自动化操作,如自动扩展或故障恢复。
4.3 Dynatrace
Dynatrace 是一个全栈的 APM(应用性能管理)工具,Keptn 可以与 Dynatrace 集成,获取应用的性能数据,并根据这些数据执行自动化操作,如自动优化或故障恢复。
通过以上步骤,你可以快速上手 Keptn,并利用其强大的自动化功能提升云原生应用的交付和运维效率。
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