Kurator,你的分布式云原生解决方案
本文分享自华为云社区《DTSE Tech Talk | 第40期:Kurator,你的分布式云原生解决方案》,作者:华为云社区精选。
什么是分布式云原生?
中国信通院给出的定义:分布式云原生是指通过云原生技术统一多云技术栈,提供业务价值的设计模式。
根据这个定义,我们延伸出以下几个问题:
• 什么是云原生技术?
CNCF给出的定义是,云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中,构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API。
这些技术能够构建容错性好、易于管理和便于观察的松耦合系统。结合可靠的自动化手段,云原生技术使工程师能够轻松地对系统作出频繁和可预测的重大变更。
• 为什么需要统一多云技术栈?
多云多集群已经成为常态。全球各组织积极拥抱多云多集群。Gartner 机构预测分布式云在5-10年内进入稳定发展期,全球头部云服务商也在分布式云领域积极开展实践。涉及多个云环境的协调和整合,需要处理各种不同的技术栈和工具,同时还要保证数据的安全性和一致性。
多样化的云平台意味着更多的复杂性。统一多云技术栈可以为集群资源集中管理的统一入口,帮助用户从这些复杂性中跳脱出来,同时以云原生的方式将客户的业务协同、数据资产、AI 分析等一系列的业务能力无缝地分布于 分布式云之上,配以完善的安全、管理能力,形成一体化的多云业务管理能力,助力企业业务的扩展和数字化转型。
总的来说,分布式云原生这一设计模式鼓励我们超越单一的云环境,而是将多个云环境作为一个整体来看待,从而实现更高效、更灵活的资源分配和使用。
分布式云原生架构
Kurator,一站式企业级分布式云原生开源解决方案
Kurator 是华为云于2022年推出的分布式云原平台,融合了众多主流的云原生软件栈,如Kubernetes、Istio、Prometheus 等,旨在帮助用户构建和管理自己的分布式云原生基础设施,以推动企业的数字化转型。Kurator 体现了“基础设施即代码”的理念,允许用户以声明方式管理云、边缘或本地环境的基础设施。同时,其“开箱即用”的特性,使用户可以一键安装云原生软件栈。而借助Fleet,Kurator更提供了多云、多集群的统一管理,极大提升了管理效率。
Kurator 目标是一站式构建分布式云原生。这不仅仅包括基础的云服务和资源,还涵盖了服务的自动部署、监控、维护、扩展以及优化等多个环节,用户不需要从多个供应商或产品中选择,只需利用 Kurator 就能满足企业的所有云原生需求。
Kurator是一种开源的解决方案。这意味Kurator 的源代码是公开的,这让任何人都可以查看、修改或重新发布代码。开源不仅提供了透明性,让用户能够了解软件的内部工作,还能鼓励一个活跃的社区参与进来,共同改进和扩展功能。更重要的是,开源为企业提供了更大的灵活性,允许他们根据自己的特定需求进行定制,而不是被迫适应商业软件的约束。
Kurator技术架构
Kurator 目前主要有两个核心组件,分别是 fleet manager 和 cluster operator
通过Cluster Operator 可以简化用户操作并自动化Kubernetes集群的部署流程,确保集群在各种环境中的稳定运行。
通过fleet manager,kurator 实现了以 fleet 为资源管理单位,对分布式云提供统一的管理。
Kurator的典型特性介绍
Kurator 最新版本 为分布式云原生提供了多个典型能力。
• 资源一体化方面,kurator 提供了多集群生命周期管理的能力,确保各集群始终在最佳状态,为资源的一体化打下坚实的基础。此外,还提供了统一多集群监控的能力,通过全局视野,保障所有集群的健康与稳定性,进一步强化资源的一体化。
• 业务广分布方面,kurator提供了应用统一分发的能力,以允许用户无缝地在多个集群中部署和同步应用,保证业务在任何场景下的广泛分布和高可用性。
• 安全无边界方面,kurator的统一安全策略管理确保在所有集群中实施和遵循相同的安全标准,确保整个平台的安全无边界。
集群生命周期管理
Kurator 通过 Cluster Operator 组件对集群的生命周期进行管理。基于 Cluster API,Cluster Operator 不仅可以管理集群生命周期,还统一并简化了创建集群所需的配置,为用户在不同云平台上管理集群提供了简单易用的 API 。目前 Cluster Operator 支持本地数据中心集群和第三方云厂商上的自建集群。
Kurator 集群生命周期管理
Kurator 设计了声明式的API用以表达 Kubernetes 集群的期望状态,并通过 Cluster Operator 对集群生命周期进行管理。
统一应用分发
Kurator 的统一应用分发功能采用 GitOps 方式,使得一键将应用部署到多个云环境成为可能,同时简化了配置流程。这种方法确保了各集群中的应用版本保持一致,也能及时进行版本更新。在 Kurator 宿主集群上,用户可以对所有集群的应用部署情况进行统一的查看和管理,从而提高运维效率。
Kurator 统一应用分发
Kurator 的统一应用分发功能简化了多云部署,确保各集群应用版本的一致性,提供了统一的管理视图,并支持灵活的配置与同步策略。
统一监控
为了解决各个集群间进行有效的监控和管理,以确保服务的稳定性和优化资源使用率问题,Kurator 提供了一种基于 Prometheus、Thanos、Grafana 以及 Fleet 的多集群指标监控方案。
Kurator 借助 Fleet 简化了多集群监控组件的安装,基于 Prometheus 和 Thanos Sidecar 实现了高效的指标采集,同时支持用户自定义监控配置在集群间的分发,为用户提供了一个全面、准确的统一监控视图。
统一策略管理
在分布式云环境中,通过Kurator 的统一策略引擎(Kyverno),并利用 Fleet 实现应用策略的跨集群分发和应用。 借助 Kurator 的统一策略管理能力,可以有效提高策略管理的效率,同时保证所有集群中策略的一致性和安全性。
Kurator 在分布式云环境中提供跨多集群的统一策略管理,简化策略配置与应用,与单一Kubernetes 集群管理相似,确保策略的一致性、安全性并提高管理效率。
Kurator项目地址
GitHub: https://github.com/kurator-dev/kurator
Website: https://kurator.dev
号外!
华为将于2023年9月20-22日,在上海世博展览馆和上海世博中心举办第八届华为全联接大会(HUAWEICONNECT 2023)。本次大会以“加速行业智能化”为主题,邀请思想领袖、商业精英、技术专家、合作伙伴、开发者等业界同仁,从商业、产业、生态等方面探讨如何加速行业智能化。
我们诚邀您莅临现场,分享智能化的机遇和挑战,共商智能化的关键举措,体验智能化技术的创新和应用。您可以:
- 在100+场主题演讲、峰会、论坛中,碰撞加速行业智能化的观点
- 参观17000平米展区,近距离感受智能化技术在行业中的创新和应用
- 与技术专家面对面交流,了解最新的解决方案、开发工具并动手实践
- 与客户和伙伴共寻商机
感谢您一如既往的支持和信赖,我们热忱期待与您在上海见面。
大会官网:https://www.huawei.com/cn/events/huaweiconnect
欢迎关注“华为云开发者联盟”公众号,获取大会议程、精彩活动和前沿干货。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
实战总结|记一次 glibc 导致的堆外内存泄露
问题现象 团队核心应用每次发布完之后,内存会逐步占用,不重启或者重新部署就会导致整体内存占用率超过90%。 发布2天后的内存占用趋势 探索原因一 堆内找到原因 出现这种问题,第一想到的就是集群中随意找一台机器,信手dump一下内存,看看是否有堆内存使用率过高的情况。 内存泄露 泄露对象占比 发现 占比18.8% 问题解决 是common-division这个包引入的 暂时性修复方案 当前加载俄罗斯(RU)国际地址库,改为一个小国家地址库 以色列(IL) 当前业务使用场景在补发场景下会使用,添加打点日志,确保是否还有业务在使用该服务,没人在用的话,直接下掉(后发现,确还有业务在用呢 )。 完美解决问题,要的就是速度!!发布 ~~上线!!顺道记录下同一台机器的前后对比。 发布后短时间内有个内存增长实属正常,后续在做观察。 发布第二天,顺手又dump一下同一台机器的内存 由原来的18.8%到4.07%的占比,降低了14%,牛皮!! 傻了眼,内存又飙升到86%~~ 该死的迷之自信!! 发布后内存使用率 探索原因二 没办法汇报了~~~但是问题还是要去看看为什么会占用这么大的内存空间的~ 查看进程...
- 下一篇
赋能人工智能:Ray on vSphere 开源插件的发布
去年,机器学习和人工智能领域取得了爆炸性的进展。像 ChatGPT 这样的高质量生成式人工智能解决方案引起了公众的兴趣,并已延伸到商业领域。组织和个人都在考虑如何利用这项技术来加快影响力并取悦客户。 虽然这些通用模型非常出色,但在特定行业的使用案例中往往不够完美。公开可用的训练数据无法为模型提供解决每个企业特有用例所需的专业知识。为了满足这些需求,许多组织正在投资调优和训练自己的模型。为此,他们需要扩展他们的计算空间,使其超出工程师的笔记本电脑或现有的构建工具。数据科学家和机器学习工程师需要可帮助他们扩展工作负载的工具,使其可以操控访问与之匹配的计算资源。 为了应对这些挑战,我们高兴的宣布:VMware 与 Ray 的创建者 Anyscale 建立合作伙伴关系。Ray是一个针对机器学习工作负载进行了优化的分布式Python工作负载调度器,为训练和推理工作负载带来了无服务器式的扩展能力。在并行处理和分布式计算方面,Ray具有广泛的应用和出色的性能。 Anyscale 和 VMware 合作创建了一个开源插件,用于使用虚拟机在 vSphere 上运行 Ray。该插件使系统管理员能够为数据科...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2整合Redis,开启缓存,提高访问速度
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- MySQL8.0.19开启GTID主从同步CentOS8
- Mario游戏-低调大师作品
- Linux系统CentOS6、CentOS7手动修改IP地址
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7安装Docker,走上虚拟化容器引擎之路
- Docker快速安装Oracle11G,搭建oracle11g学习环境