key-value 存储系统 etcd 加入 CNCF 沙箱孵化器
在周二举行的 CNCF KubeCon + CloudNativeCon North America 2018 大会上,CNCF 透露 etcd 已加入 CNCF 沙箱孵化器。
etcd 是一个分布式一致性键值存储系统,用于共享配置和服务发现,专注于:
简单:良好定义的,面向用户的 API (gRPC)
安全:带有可选客户端证书认证的自动 TLS
快速:测试验证,每秒10000写入
可靠:使用 Raft 适当分布
etcd 发起于已被 Red Hat 收购的 CoreOS ,目前被许多公司用于生产,并经常与 Kubernetes、locksmith、vulcand、Doorman 等应用配合使用。
CNCF 目前孵化的项目包括:OpenTracing、Fluentd、Linkerd、gRPC、CoreDNS、containerd、rkt、CNI、Jaeger、Notary、TUF、Vitess、NATS、Helm、Rook、Harbor 和 etcd 。
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
去哪儿网正式开源内部使用的消息中间件 QMQ
去哪儿网近日宣布开源其内部广泛使用的消息中间件 QMQ 。QMQ 自2012年诞生以来在去哪儿网所有业务场景中广泛的应用,包括跟交易息息相关的订单场景; 也包括报价搜索等高吞吐量场景。目前在公司内部日常消息 qps 在 60W 左右,生产上承载将近 4W+ 消息 topic ,消息的端到端延迟可以控制在 10ms 以内。 QMQ 主要提供以下特性: 异步实时消息 延迟/定时消息 基于 Tag 的服务端过滤 Consumer 端幂等处理支持 Consumer 端 filter 死信消息 结合 Spring annotation 使用的简单 API 提供丰富的监控指标 接入 OpenTracing 分布式事务(即将开源) 消息投递轨迹(即将开源) 历史消息的自动备份(即将开源) 架构概览 下图是 QMQ 中各组件及其交互图: meta server 提供集群管理和集群发现的作用 server 提供实时消息服务 delay server 提供延时/定时消息服务,延时消息先在 delay server 排队,时间到之后再发送给 server producer 消息生产者 consumer 消息...
- 下一篇
滴滴开源小程序框架 Mpx ,致力于提高小程序开发体验
滴滴WebApp团队近日宣布开源 Mpx ,这是一款致力于提高小程序开发体验的增强型小程序框架。通过 Mpx ,开发者能够以最先进的 web 开发体验 (Vue + Webpack) 来开发生产性能深度优化的小程序。 Mpx 具有以下一些优秀特性: 数据响应特性 (watch/computed) 增强的模板语法(动态组件/样式绑定/类名绑定/内联事件函数/双向绑定等) 深度性能优化(原生自定义组件/基于依赖收集和数据变化的 setData ) Webpack 编译( npm/循环依赖/Babel/ESLint/css 预编译/代码优化等) 单文件组件开发 状态管理( Vuex 规范/多实例/可合并) 跨团队合作 (packages) 逻辑复用能力 (mixins) 脚手架支持 小程序自身规范的完全支持 支付宝小程序的支持 开发团队表示,目前业界主流的小程序框架主要有 WePY、mpvue 和 Taro,这三者都是将其他的语法规范转译为小程序语法规范,我们称其为转译型框架。不同于上述三者,Mpx 是一款基于小程序语法规范的增强型框架,使用 Vue 中优秀的语法特性增强了小程序,而不是让用...
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
- CentOS7安装Docker,走上虚拟化容器引擎之路
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS6,CentOS7官方镜像安装Oracle11G
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- Hadoop3单机部署,实现最简伪集群
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS关闭SELinux安全模块
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2整合Thymeleaf,官方推荐html解决方案