Skywalking BanyanDB 镜像发布策略优化实践
2025-05-08 04:04:17作者:霍妲思
在分布式系统监控领域,Apache Skywalking 作为一款优秀的应用性能监控工具,其存储组件 BanyanDB 的容器化部署一直备受关注。近期社区针对 BanyanDB 的 Docker 镜像发布策略进行了重要优化,使其更加符合容器镜像仓库的标准实践。
原有镜像发布方式的不足
在之前的版本中,Skywalking BanyanDB 采用了基于功能组件的镜像命名方式,例如:
skywalking-banyandb(基础镜像)skywalking-banyandb-ui(包含UI界面)skywalking-banyandb-ctl(包含管理工具)
这种命名方式虽然直观反映了镜像内容,但与容器镜像仓库的标准版本标签实践存在差异。容器社区更倾向于使用版本后缀来区分不同功能组合的镜像变体。
新的镜像发布策略
经过社区讨论,新的镜像发布策略调整为以下三种变体:
-
完整功能镜像({version}-all)
- 包含服务端、管理工具(ctl)和用户界面(UI)
- 适用于需要完整功能集的开发或测试环境
-
标准镜像({version})
- 包含服务端和用户界面(UI)
- 适用于大多数生产环境部署
-
精简镜像({version}-slim)
- 仅包含服务端核心组件
- 适用于资源受限或仅需基础功能的场景
技术实现细节
在 Kubernetes 环境中,这一变更带来了更灵活的部署方案:
- 数据节点部署:使用 {version}-slim 镜像,仅运行核心服务,减少资源占用
- UI服务部署:使用标准 {version} 镜像单独部署,提供用户界面
- 管理工具:建议平台团队本地下载使用,不部署到生产集群
这种分离部署的方式带来了以下优势:
- 更细粒度的资源控制
- 更高的安全性(管理工具不暴露在集群中)
- 更灵活的扩展能力
版本兼容性考虑
对于使用 Helm Chart 部署的用户,0.3 版本将适配新的镜像策略:
- 数据节点(liaison/datanode)默认使用 slim 镜像
- UI 服务使用标准镜像单独部署
- 管理工具从镜像中移除,改为本地安装
最佳实践建议
-
生产环境部署:
- 使用标准镜像({version})部署UI服务
- 使用slim镜像({version}-slim)部署数据节点
-
开发测试环境:
- 可直接使用完整功能镜像({version}-all)快速搭建全功能环境
-
资源优化:
- 对于大规模部署,优先考虑slim镜像减少资源消耗
- 根据访问量单独扩展UI服务实例
这一镜像策略的优化不仅提升了与容器生态的兼容性,也为用户提供了更灵活、更专业的部署选项,体现了Skywalking项目对生产环境需求的深入理解。
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
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137