Replicated Ship 项目使用教程
1. 项目介绍
Replicated Ship 是一个用于部署 Kubernetes Helm 图表的工具,旨在简化 Kubernetes 应用的部署和自动化维护。Ship 能够跟踪和自动化第三方应用程序的维护,无论是以 Helm Charts、Kubernetes YAML 清单还是 Knative 应用的形式打包。它通过 Kustomize 提供高级定制配置管理工具,允许用户快速开发应用的 Kustomizations,并通过 Ship 的易用界面预览和应用这些定制。
2. 项目快速启动
安装 Ship
Ship 作为一个单一的二进制文件分发,支持 Linux 和 MacOS 系统。以下是安装步骤:
下载并安装 Linux 版本
curl -sSL https://github.com/replicatedhq/ship/releases/download/v0.51.2/ship_0.51.2_linux_amd64.tar.gz | tar zxv && sudo mv ship /usr/local/bin
下载并安装 MacOS 版本
curl -sSL https://github.com/replicatedhq/ship/releases/download/v0.51.2/ship_0.51.2_darwin_amd64.tar.gz | tar zxv && sudo mv ship /usr/local/bin
或者使用 Homebrew 安装:
brew install ship
初始化 Ship
安装完成后,创建一个目录用于管理你的应用,并从该目录启动 Ship,指定一个上游 Helm 图表或 Kubernetes YAML:
mkdir -p ~/my-ship/example
cd ~/my-ship/example
ship init <path-to-chart> # 例如 github.com/helm/charts/tree/master/stable/grafana
或者通过 Docker 运行:
mkdir -p ~/my-ship/example
cd ~/my-ship/example
docker run -p 8800:8800 -v "$PWD":/wd -w /wd \
replicated/ship init <path-to-chart> # 例如 github.com/helm/charts/tree/master/stable/grafana
注意:如果 Ship 建议的 localhost URL 无法解析,你可能需要将浏览器指向 http://127.0.0.1:8800。
3. 应用案例和最佳实践
自动化第三方应用维护
Ship 允许集群操作员自动保持与上游更改同步,同时保留自定义配置和扩展,而不会产生 git 合并冲突。这得益于 Ship 的三种操作模式如何调用、存储和应用 Kustomizations。
使用 Kustomize 定制 Helm Charts
Ship 通过 Kustomize 提供高级定制配置管理工具,适用于 Helm 图表、Kubernetes 清单和 Knative 应用。Ship 的易用界面(通过 ship init 启动)计算构建覆盖层所需的最小补丁 YAML,并预览应用草拟覆盖层的结果。
启用应用开发者进行最后配置
ship.yaml 文件可以包含在 Kubernetes 清单或 Helm 图表仓库中,以自定义初始 ship init 体验。开发者可以通过这些文件允许最终用户进行最后配置。
4. 典型生态项目
Kubernetes
Ship 主要用于 Kubernetes 生态系统,支持 Helm Charts 和 Kubernetes YAML 清单的管理和部署。
Helm
Helm 是 Kubernetes 的包管理器,Ship 通过 Helm 图表提供应用的初始化和更新功能。
Kustomize
Kustomize 是 Kubernetes 的原生配置管理工具,Ship 利用 Kustomize 进行高级定制配置管理。
通过以上步骤,你可以快速上手并使用 Replicated Ship 进行 Kubernetes 应用的部署和管理。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00