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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00