云原生周刊：Kubernetes 1.29 中的删除、弃用和主要更改

本文介绍: 与此同时，除了预览 Azure 容器应用程序平台的扩展以增加对事件的支持之外，微软还使用 Kubernet es AI 工具链运算符简化在 Azure Kubernetes 服务 (AKS) 上部署大型语言模型 (LLM) 的过程用于训练 AI 模型的驱动框架，同时支持开源 Qdrant、Milvus 和 Weaviate 矢量数据库。该模型将平台工程定义为通过在构建平台和其能力的各个方面（包括人员、流程、策略和技术）进行投资，提供内部平台作为产品的实践，从而推动业务结果。本文由博客一文多发平台。

开源 项目推荐

Orphaned ConfigMaps

该版本库包含一个脚本，用于识别 Kubernetes 命名空间中的孤立的配置映射。孤立的配置映射是指那些未被命名空间中的任何活动 Pod 或容器引用的配置映射。

Kubernetes Multi Cooker

该项目包含一个小型 Kubernetes 控制器，用于监视每个节点的 CPU 压力；当超过某个阈值时，节点将被污染（这样就不会在已经超载的节点上调度额外的工作负载），最后控制器将开始从该节点驱逐 Pod。

Reflector

Reflector 是一个 Kubernetes 插件，旨在监视资源（秘密和配置映射）的更改并反映相同或其他命名空间中镜像资源的更改。

文章推荐

Kubernetes 1.29 中的删除、弃用和主要更改

和其他每次发布一样，Kubernetes v1.29 将弃用和移除一些特性。一贯以来生成高质量发布版本的能力是开发周期稳健和社区健康的证明。本文列举即将发布的 Kubernetes 1.29 中的一些弃用和移除事项。

Kubernetes 的 5 大存储提供商工具

这篇文章介绍了 Kubernetes 的五个存储提供者工具：SeaweedFS、Vitess、TiKV、Rook 和 OpenEBS。这些工具帮助管理 Kubernetes 上的数据工作负载，包括卷供应、复制、备份、加密、压缩和性能调优等功能。它们与 Kubernetes API 和概念无缝集成，并支持持久卷（PV）、持久卷声明（PVC）和存储类（Storage Class）。这篇文章详细介绍了每个工具的工作机制、优势以及在实际使用中的案例和成功故事。通过阅读这篇文章，读者可以了解 Kubernetes 上可用的存储提供者选项，并根据自己的需求选择最合适的工具。

对各个级别的 Kubernetes 部署进行故障排除

这篇文章是关于在各个层面上解决 Kubernetes 部署问题的指南。文章首先介绍了 Kubernetes 作为容器编排的事实标准，并提到了它自动化部署、扩展和管理容器化应用程序的能力。然而，即使遵循最佳实践并具备专业知识，Kubernetes 部署有时也是一个复杂而具有挑战性的过程。文章探讨了从应用代码到基础设施和 Kubernetes 组件的各个层面上的部署故障排除过程，并介绍了一些常见问题和挑战，如容器镜像拉取错误、Pod 调度问题、网络连接问题和存储问题。文章还讨论了一些诊断和解决这些问题的最佳实践和工具。通过阅读这篇文章，读者将更好地了解如何在 Kubernetes 部署的每个层面上进行故障排除，并更好地管理其应用程序。

云原生动态

CNCF 平台工程成熟度模型出炉

CNCF（Cloud Native Computing Foundation）的平台工程成熟度模型首次发布。该模型提供了对平台工程成熟度的具体应用，是今年 4 月份发布的备受欢迎的白皮书的延伸。该模型将平台工程定义为通过在构建平台和其能力的各个方面（包括人员、流程、策略和技术）进行投资，提供内部平台作为产品的实践，从而推动业务结果。

微软扩大 Azure Kubernetes 服务范围

Microsoft 已普遍推出 Azure Kubernetes Fleet Manager，以便更轻松地集中管理多个集群，并可与一组用于优化成本的工具一起分阶段进行。

与此同时，除了预览 Azure 容器应用程序平台的扩展以增加对事件的支持之外，微软还使用 Kubernetes AI 工具链运算符简化在 Azure Kubernetes 服务 (AKS) 上部署大型语言模型 (LLM) 的过程用于训练 AI 模型的驱动框架，同时支持开源 Qdrant、Milvus 和 Weaviate 矢量数据库。