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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00