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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00