Kiali项目中DeploymentConfig资源缓存机制问题分析与优化
2025-06-24 13:14:53作者:廉皓灿Ida
在Kiali项目中发现了一个关于DeploymentConfig资源缓存机制的特殊问题。与其他Kubernetes资源不同,DeploymentConfig资源未被纳入缓存系统,这导致了用户在使用过程中遇到了一些令人困惑的行为表现。
问题背景
Kiali作为服务网格可视化管理工具,需要高效地获取和处理集群中的各种资源信息。为了提升性能,Kiali实现了资源缓存机制,但DeploymentConfig资源却是一个例外。通过分析代码发现,Kiali在处理DeploymentConfig资源时直接通过用户客户端(userClient)从API获取,而非使用缓存机制。
问题影响
这种不一致的处理方式带来了几个明显问题:
- 权限检查不一致:当用户具有LIST权限但不具备GET权限时,请求会失败
- 性能表现不一致:每次请求都需要直接从API获取,增加了延迟
- 用户体验不一致:用户会观察到不同资源类型的行为差异
技术分析
深入代码层面,我们发现这个问题不仅存在于DeploymentConfig资源,还影响了其他几种工作负载类型:
- CronJob
- Job
- ReplicationController
这些资源类型同样被排除在缓存系统之外,原因可以追溯到早期的性能优化考虑。特别是Job这类临时性资源,开发者可能有意避免缓存。
解决方案
经过技术评估,我们决定采用服务账户(SA)客户端替代用户客户端来获取这些资源。这一变更基于以下考虑:
- 服务账户客户端具有必要的权限保证
- 已经通过命名空间访问检查确保安全性
- 保持与缓存资源处理方式的一致性
核心修改包括:
- 将userClient替换为kialiSAClient
- 统一资源获取方式
- 保持原有资源包含性检查逻辑
实施效果
这一优化带来了以下改进:
- 权限处理更加一致
- 减少了直接API调用
- 提升了用户体验一致性
- 保持了必要的资源过滤能力
技术启示
这个案例给我们带来了一些架构设计上的思考:
- 资源缓存策略需要全面考虑所有资源类型
- 客户端选择应当基于明确的权限模型
- 性能优化不应以牺牲一致性为代价
- 架构演进需要注意历史决策的持续有效性
通过这次优化,Kiali的资源处理机制变得更加健壮和一致,为后续功能扩展奠定了更好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253