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。
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