Kgateway 2.0.0发布:CNCF首个正式版本的云原生API网关
Kgateway是一个基于Kubernetes Gateway API构建的开源API网关项目,专注于为云原生环境提供安全、可观测且可扩展的流量管理解决方案。作为CNCF(云原生计算基金会)旗下的项目,Kgateway遵循云原生最佳实践,通过Kubernetes原生方式管理南北向和东西向流量。
架构与设计理念
Kgateway 2.0.0版本采用了全新的KRT(Kubernetes Resource Transformer)控制平面架构,这种设计使得网关配置能够与Kubernetes API无缝集成。项目核心围绕Gateway API标准构建,同时通过自定义资源(CRD)扩展了标准API的功能边界。
在数据平面方面,Kgateway支持与Istio Ambient Mesh的Waypoint代理深度集成,这种设计使得服务网格和API网关的能力可以有机融合,为微服务架构提供统一的流量管理平面。
关键特性解析
高级流量管理能力
新版本引入了ExtProc(外部处理器)支持,允许开发者在请求处理流水线中插入自定义处理逻辑。这种机制类似于Web中间件,但运行在更底层的数据平面,可以实现协议转换、请求改写等高级功能。
路由委托(Route Delegation)是另一个重要特性,它允许将特定路径的流量路由决策权委托给其他命名空间中的资源,这种设计特别适合多团队协作的大型Kubernetes集群。
安全增强
Kgateway 2.0.0在安全方面做了多项改进:
- 本地速率限制:可在数据平面节点本地实施请求限流,避免集中式限流器带来的性能瓶颈和单点故障。
- 自带外部授权(BYO External Auth):支持集成现有的OAuth2、JWT等认证授权系统,企业可以复用已有安全基础设施。
- 细粒度的访问控制策略,支持基于标签、注解等Kubernetes原生元数据的访问规则。
AI网关能力开放
作为特色功能,2.0.0版本开源了AI网关模块。该组件专门为机器学习工作负载优化,提供:
- 模型推理请求的路由和负载均衡
- AI特有的流量整形和QoS保障
- 推理请求的预处理和后处理管道
- 模型版本的金丝雀发布和A/B测试支持
技术实现亮点
控制平面重构是本次版本的重要技术突破。新的KRT架构将配置转换逻辑模块化,使得:
- 网关配置可以声明式地描述为Kubernetes资源
- 配置变更通过控制器模式实时同步到数据平面
- 支持多数据平面实现的可插拔架构
- 配置验证和冲突检测提前到apply阶段
数据平面方面,基于Envoy的扩展实现了:
- 零信任网络所需的mTLS自动配置
- 细粒度的可观测性数据导出
- 支持WebAssembly的扩展机制
- 高效的内存和连接管理
升级注意事项
对于从Gloo 1.x迁移的用户,需要注意:
- API和CRD有重大变更,需要重新设计网关配置
- 控制平面组件部署模型完全重构
- 监控指标体系和日志格式更新
- 扩展插件机制兼容性变化
建议新用户直接从2.0.0版本开始体验,按照官方提供的快速入门指南逐步构建生产环境配置。
未来展望
作为CNCF首个正式版本,Kgateway 2.0.0奠定了项目在云原生API网关领域的技术基础。后续版本将重点关注:
- 更多Gateway API标准的实现和扩展
- 服务网格与API网关的深度集成
- 边缘计算场景的特殊优化
- 性能基准和规模化测试验证
这个版本标志着Kgateway项目进入成熟期,为企业在云原生环境中实施API战略提供了可靠的基础设施选择。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00