VMware Tanzu Educates 培训平台迁移指南:从 Learning Center 到 Educates 2.X
平台演进背景
VMware Tanzu Educates 培训平台是一个基于 Kubernetes 的交互式学习环境解决方案。在技术演进过程中,平台经历了从 Educates 1.X 分支到 Learning Center,再到当前 Educates 2.X 版本的发展路径。本文将详细介绍从 Learning Center 迁移到 Educates 2.X 版本时需要注意的关键变更点。
核心架构变更
1. API 组与资源定义变更
最显著的架构变化体现在 Kubernetes 自定义资源的 API 组定义上:
Learning Center 定义方式:
apiVersion: learningcenter.tanzu.vmware.com/v1beta1
kind: Workshop
Educates 2.X 新规范:
apiVersion: training.educates.dev/v1beta1
kind: Workshop
对应的资源类别别名也从 learningcenter/learningcenter-training 变更为 educates/educates-training。查询资源时需要使用新命令:
kubectl get educates
2. 工作坊基础镜像配置
镜像配置位置发生了重要调整:
旧版配置:
spec:
content:
image: registry.example.com/org/image:tag
新版规范:
spec:
workshop:
image: registry.example.com/org/image:tag
Educates 提供了更丰富的预置基础镜像选择:
base-environment:*- 基础环境镜像jdk{8,11,17,21}-environment:*- 各版本JDK环境conda-environment:*- Conda数据科学环境
注意:原有 Learning Center 的定制镜像需要基于 Educates 的基础镜像重新构建。
内容分发机制升级
3. 工作坊内容获取方式
内容获取机制从简单配置升级为基于 vendir 的声明式配置:
GitHub 内容源新配置:
spec:
workshop:
files:
- git:
url: https://github.com/org/repo
ref: origin/main
includePaths:
- /workshop/**
- /exercises/**
HTTP 归档文件新配置:
spec:
workshop:
files:
- http:
url: https://example.com/workshop.tgz
OCI 镜像新配置:
spec:
workshop:
files:
- image:
url: $(image_repository)/workshop-files:latest
新机制提供了更精细的内容过滤控制,通过 includePaths 和 excludePaths 替代原有的 .eduk8signore 文件。
安全策略改进
4. 安全策略命名规范
安全策略名称遵循了 Kubernetes 最新的 Pod 安全标准:
| Learning Center | Educates 2.X |
|---|---|
| nonroot | restricted |
| anyuid | baseline |
| custom | privileged |
配置位置变更:
spec:
session:
namespaces:
security:
policy: baseline
5. 资源配额调整
内存限制范围进行了优化调整:
新版默认值:
| Budget | Min | Max | Request | Limit |
|-----------|------|------|---------|-------|
| small | 1M | 1Gi | 128Mi | 256Mi |
| medium | 1M | 2Gi | 128Mi | 512Mi |
...
主要变化是将最小内存从 32Mi 调整为 1M,并统一了大型工作坊的内存限制为 512Mi。
网络与入口变更
6. Ingress 主机名规则
入口主机名生成规则从后缀式改为前缀式:
旧规则:
$(session_namespace)-app.$(ingress_domain)
新规范:
app-$(session_name).$(ingress_domain)
同时强化了安全策略,要求所有入口必须包含会话名称,防止跨工作坊干扰。
开发体验优化
7. 编辑器扩展管理
Educates 2.X 不再预装任何 VS Code 扩展,改为按需安装。可以通过工作坊的 setup.d 脚本安装:
#!/bin/bash
code-server --install-extension redhat.java@1.3.0
code-server --install-extension vscjava.vscode-java-debug@0.38.0
注意:编辑器路径已标准化为
/opt/editor/bin/code-server
8. 内容渲染引擎
逐步淘汰原有的"经典"渲染器,转向基于 Hugo 的现代渲染系统。建议新工作坊采用 Hugo 格式编写教学内容。
配置管理变更
9. 门户默认设置
门户默认值配置位置调整:
新版规范:
spec:
portal:
workshop:
defaults:
capacity: 6
reserved: 2
initial: 4
10. 环境变量管理
推荐使用 setup.d 脚本配合 .env 文件替代原有的 profile.d 机制:
#!/bin/bash
echo "MY_VAR=value" >> $WORKSHOP_ENV
迁移实施建议
- 分阶段迁移:先测试关键工作坊,再逐步推广
- 镜像重建:所有定制镜像需基于 Educates 基础镜像重建
- 安全评审:检查安全策略是否符合新规范
- 性能测试:验证资源配额是否满足需求
- 用户培训:介绍新特性的使用方式
通过系统性地应用这些变更,您可以顺利将工作坊从 Learning Center 迁移到功能更强大、安全性更高的 Educates 2.X 平台。
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03