登录社区云，与社区用户共同成长
邀请您加入社区
《测试工程师的第二曲线：开源生态与变现路径》摘要 测试工程师的职业发展正在突破传统边界，通过开源生态实现能力变现。在GitHub等平台，测试工程师可将专业技能转化为四大创收路径：1）将自动化脚本产品化为SaaS工具，如开发智能日志分析工具并推出企业订阅版；2）封装知识经验，制作测试用例集、视频课程等数字产品；3）提供高端测试咨询服务；4）参与开源项目建立技术影响力。实现路径分为三阶段：从基础贡献起
2026 年 4 月，国内 Docker 镜像加速源大面积失效的问题仍在持续。对于 Kubernetes 用户来说，这个问题比 Docker 用户更棘手——因为 containerd 的配置方式和 Docker 完全不同，网上大量 Docker 教程搬过来根本不生效。本文基于 2026 年 4 月中旬的实测环境，整理了 5 种 containerd 镜像加速方案，并提供完整的 K8s 集群批量配置
摘要：云原生架构下，Kubernetes配置管理面临复杂度激增、变更不可控、配置漂移等挑战。GitOps方法论以Git为单一可信源，通过声明式定义、版本化不可变、自动化同步和闭环自愈四大原则，实现配置全生命周期的可追溯、安全可控和高效回滚。具体方案包括双仓库隔离、主干开发分支策略、PR审核流程，以及集成ArgoCD/Flux等工具链。进阶方向涵盖配置模板化、多集群管理和安全合规考量。典型案例表明G
本文深入解析了Kubernetes Deployment的滚动更新与回滚机制。主要内容包括：1）Deployment通过保留历史ReplicaSet实现版本管理，每个版本对应完整的Pod模板快照；2）滚动更新策略中maxSurge和maxUnavailable参数的计算逻辑及其对Pod数量的影响；3）kubectl rollout undo命令的内部执行流程，包括版本查找、模板替换和控制器操作；4
是 Kubernetes 中用于限制“自愿中断”（Voluntary Disruption）的资源对象。它的核心作用是：在集群发生维护或调度操作时，确保系统中始终有足够数量的 Pod 保持可用。PDB 只对“自愿中断”生效，而不控制“非自愿中断”。PDB 是 Kubernetes 中保障服务稳定性的重要机制：“在维护过程中，系统还能不能正常服务？控制驱逐节奏防止服务雪崩提升系统可用性PDB ≠ 高
概念要点滚动更新通过 maxSurge 和 maxUnavailable 控制更新节奏版本管理通过 ReplicaSet 保留历史，revisionHistoryLimit 控制数量回滚机制支持手动和自动回滚，回滚本身也生成新版本探针配置ReadinessProbe 决定流量，LivenessProbe 决定重启零宕机maxUnavailable=0 + ReadinessProbe 保证。
Kubernetes（K8s）是一个开源平台，用于管理容器化应用和服务，提供声明式配置和自动化功能。文章通过奶茶店连锁帝国的比喻，生动解释了Kubernetes的核心概念：命名空间隔离环境、Deployment管理Pod副本、Service提供稳定访问入口、Ingress处理外部流量，以及ConfigMap和Secret管理配置与敏感数据。技术部署部分详细介绍了Ubuntu系统下Kubernete
地址配置：始终使用确认实际存在的 Service 名称日志排查和是定位问题的关键配置持久化：Pod 内的修改不持久，必须重新构建镜像端口映射：注意区分 containerPort、targetPort、nodePortDNS 解析：K8s 内部使用格式。
企业文档工具市场年复合增长率达46.7%，私有化部署方案成为技术团队首选。本文对11款主流产品进行评测，重点分析JVS企业文档等支持私有化部署和源码开放的工具。评测显示：JVS采用Vue3+SpringCloud等技术栈，支持Docker/K8S部署，相比SaaS产品更符合金融、政务等对数据安全要求高的行业需求。私有化部署成本分析表明，开源方案长期TCO低于SaaS订阅模式。建议技术团队通过POC
《欧盟AI法案下的中国开发者合规挑战与测试策略》摘要：欧盟《人工智能法案》(AIAct)将于2026年8月全面生效，对AI系统实施严格的风险分级监管，最高可处全球营业额7%的罚款。中国开发者需警惕五大雷区：1)风险等级误判导致测试偏离合规要求；2)数据治理不足影响训练测试数据合规性；3)技术文档缺失造成审计证据链断裂；4)上市后监测缺位导致持续测试机制失效；5)过度依赖上游模型忽视系统集成风险。测
Serverless 架构是一种无需管理服务器即可构建和运行应用的计算模型。在 Serverless 架构中，云提供商负责管理基础设施，开发者只需专注于代码开发。随着云原生技术的发展，Serverless 架构已成为构建现代应用的重要选择。通过采用 Serverless 架构，企业可以实现更快速的开发和部署、更好的可扩展性和更低的运营成本。
边缘计算与云原生的结合，正在开启一个全新的技术时代。使用K3s部署轻量级Kubernetes集群到边缘设备部署和管理边缘应用，包括AI推理服务配置边缘网络、存储和安全策略实现边缘监控与可观测性应用边缘计算的最佳实践记住，边缘计算的核心是靠近数据产生的地方进行处理，减少延迟，提高效率。在实施边缘计算时，要根据实际场景选择合适的技术栈和部署策略。susu碎碎念K3s虽然轻量，但生产环境还是要做好资源规
Kubernetes不仅是容器编排的利器，更是机器学习工作负载的理想运行环境。在Kubernetes上部署单机和分布式机器学习训练任务使用TensorFlow Serving部署模型推理服务利用Kubeflow管理端到端的机器学习工作流实施资源管理、存储策略、监控和安全的最佳实践记住，技术的核心在于实践。别光看，动手试试！把你的机器学习模型部署到Kubernetes上，体验一下云原生时代的机器学习
Serverless是一种云计算执行模型，在这种模型中，云提供商负责管理服务器基础设施，开发者只需关注代码的编写，无需关心服务器的配置、扩展和维护。Kubernetes与Serverless的融合是云原生技术的重要发展方向，它结合了Kubernetes的强大编排能力和Serverless的简化运维特性，为企业应用的开发和部署带来了新的可能。通过采用最佳实践，可以充分发挥Kubernetes与Ser
高可用性（High Availability，HA）是指系统在规定的时间内能够正常运行的概率。对于Kubernetes集群来说，高可用性意味着控制平面和工作节点能够在各种故障场景下保持正常运行，确保应用的持续可用性。Kubernetes集群的高可用性设计与实践是确保生产环境稳定运行的关键。通过合理的架构设计、组件配置和监控告警，可以构建一个高可用的Kubernetes集群，为业务应用提供可靠的运行
本文探讨了将基于OpenAI兼容API的多智能体协同架构迁移至Kubernetes环境的技术挑战与解决方案。核心难点包括：1）异构智能体的容器化封装与镜像管理，需为不同技术栈构建定制化Docker镜像；2）编排器和状态存储等组件的差异化部署策略；3）K8s动态环境下的服务发现机制设计；4）配置与密钥的安全管理；5）网络策略实施。通过合理运用Deployment、StatefulSet、Servic
摘要 本文介绍了一种基于大模型技术的K8s Pod智能诊断平台，通过提示词驱动的Function Call模式实现自动化故障诊断。该系统采用四层架构设计，包含前端交互层、后端服务层、工具调用层和大模型交互层，能够自动获取Pod状态、日志和事件信息，生成专业诊断报告。平台特点包括：1）无需手动输入命令，通过下拉选择简化操作；2）流式输出诊断结果，提升用户体验；3）兼容各类大模型，不依赖原生Funct
GitOps = Git + Operations（运维）GitOps 是一种以Git 作为单一可信数据源（Single Source of Truth）的运维模型，通过声明式配置和自动化工具，实现基础设施和应用的持续交付。简单来说：👉 所有系统状态都定义在 Git 中👉 所有变更通过 Git 提交完成👉 系统自动同步 Git 中的期望状态GitOps 本质上是：用 Git 管理一切，用自动
AI时代测试工程师的生存法则：技术深度与业务广度的融合共生 在AI与自动化浪潮下，测试工程师面临职业转型的关键抉择。文章指出，技术深度非但没有过时，反而在"全栈测试员"转型中被赋予新内涵：从单纯工具使用升级为测试基础设施掌控、开发运维穿透和专项测试专家级洞察。同时强调业务广度是将技术价值转化为商业影响的关键，需要深度理解业务规则、贯穿研发全周期质量活动并实现数据驱动。理想的成长
摘要：传统测试报告以数据堆砌为主，难以体现测试价值。本文提出"数据叙事"方法，通过构建包含背景冲突、探索发现、数据揭示、解决方案的故事框架，将技术数据转化为业务语言。文章提供了SCR危机响应模型、数据故事化公式等实用工具，帮助测试人员从"问题报告者"升级为"质量布道师"，让测试价值被看见、被理解。这种报告革新不仅是表达方式的改变，更是测试
软件测试团队面临效率瓶颈：工具割裂、环境依赖、脚本维护难、反馈延迟等问题制约交付速度。破解之道在于构建智能化的"测试工具链"：1)以协作平台为核心集成需求、开发和测试流程；2)通过容器化和Mock服务实现环境即用；3)引入AI技术提升自动化脚本的健壮性；4)建立可视化质量度量体系。实施路径需分阶段推进，倡导"质量左移"理念，培养全栈测试工程师。优化工具链的本
摘要：AI技术对敏捷测试带来挑战，传统测试框架面临速度悖论、协作摩擦和质量内建难题。新范式提出"AI原生质量工程"，通过持续智能测试和契约化协同重构测试流程，将AI融入工作流核心。测试工程师需转型为质量策略师，掌握AI工具、风险治理和流程设计能力，聚焦业务价值与用户体验。这场变革将测试从重复劳动中解放，转向更具战略性的质量架构角色，实现敏捷精神的延续与质量工程的复兴。（149字
Kubernetes为机器学习工作负载提供了强大的支持，通过合理配置和管理，可以构建一个高效、可靠的机器学习平台。记住，机器学习工作负载的管理需要根据具体的应用场景和需求进行调整。只有不断优化和改进，才能充分发挥Kubernetes和机器学习的优势。最后，送给大家一句话："Kubernetes和机器学习的结合是云原生时代的重要趋势，它通过弹性计算、分布式训练和自动化管理，加速了机器学习模型的开发和
随着大语言模型（LLM）推理工作负载日益复杂，单一的整体服务进程开始触及自身极限。预填充和解码阶段有着根本不同的计算特征，而传统部署方式将它们强制放在同一硬件上，导致GPU利用率不足且扩缩容缺乏灵活性。分离式服务通过将推理管道拆分为不同的阶段（如预填充、解码和路由）来解决这一问题，每个阶段都作为一个独立的服务运行，可以按自身需求进行资源配置和扩缩容。本文将概述如何在Kubernetes上部署分离式
通过这套组合拳（K3s + Buildx + Helm），你可以快速搭建一套可移植、可维护、可弹性伸缩的边缘容器平台。它不仅适合小型 IoT 场景（如家庭自动化、工厂摄像头流处理），也能支撑更复杂的边缘 AI 推理任务（如 OpenCV + TensorFlow Lite 模型部署）。如果你正在寻找一个真正“贴近物理世界”的云原生落地路径，不妨从今天的这一步开始——让代码不再只跑在云端，而是走进每
本文介绍了Kubernetes集群访问控制的核心机制，重点解析了认证(Authentication)环节。Kubernetes采用3A安全模型（认证、鉴权、准入控制）来确保请求安全，其中认证环节确认请求者身份。文章详细说明了Token认证、Basic认证和HTTPS证书认证三种方式，并特别介绍了ServiceAccount机制如何解决Pod访问APIServer的身份认证问题。通过自动挂载凭证和J
如何把一个 " 正确但难用 " 的模型，变成一个今天就能用的系统？不改变用户习惯——继续使用 Device Plugin 语法吸收 DRA 能力——底层自动转换为 DRA 资源模型内部消化复杂性——Webhook、Driver、生命周期管理全部由系统处理通过社区协作推动 AI 基础设施进步，而不是封闭系统。来自不同公司的贡献者在真实生产环境中验证方案，通过社区共享经验，让更多人受益。
Kubernetes（简称 K8s）是一个开源的容器编排平台，用于自动化部署、扩展和管理容器化应用。它最初由 Google 开发，现由 CNCF（云原生计算基金会）维护。K8s 是管理容器集群的操作系统。调度（Scheduling）：Pod 如何运行网络（Networking）：服务如何访问存储（Storage）：数据如何持久化控制（Control）：如何保持期望状态Kubernetes 本质上是
本文介绍了Kubernetes(k8s)容器编排平台和KubeSphere企业级管理平台的核心功能，详细说明了离线部署KubeSphere v3.4.1和Kubernetes v1.26.5集群的完整过程。内容包括系统配置要求、内核升级步骤、离线资源包制作方法、Harbor镜像仓库部署配置，以及最终集群安装步骤。部署完成后可通过30880端口访问KubeSphere控制台。文章特别强调了CentO
k8s最基本的yaml文件内容。安装kubesphere核心包。搭建基础的k8s环境篇。如果安装上面的报错执行。
HAMI-core 根据 knownMigGeometries + deviceSplitCount 切分物理 GPU。
如何解决 Error Get “https://registry-1.docker.io/v2/”: dial tcp xxx.xx.1xx:443: connect: connection timed out在国内用 Docker 拉镜像，最常见的就是 超时报错。很多同学第一次遇到下面这个错误时一脸懵逼：Error response from daemon: Get "https://regis
接下来对Zookeeper进行时区、持久化存储、副本数等配置。进入Kafka集群，创建topic查看。Helm 部署Zookeeper集群。创建Kafka namespace。helm创建Zookeeper集群。检查Zookeeper集群状态。Helm 部署Kafka集群。修改values.yaml。
Kubepi--kubernetes图形界面【KubeSphere替代】
访问 Dashboard：http://localhost:8001/api/v1/namespaces/kubernetes-dashboard/services/https:kubernetes-dashboard:/proxy/，粘贴令牌登录。通过以上步骤，可搭建一个基础的多节点 Kubernetes 集群，适合测试和生产环境（生产环境建议配置 3 个控制平面节点实现高可用）。硬件：2 CP
昨日，在KubeSphere群看到消息，感到非常惋惜。连夜修改了下KubeKey源码来支持最新版的k8s 1.33.3和次新1.32.7。同步更新了基础组件至最新版和次新版，以便在没有更好的管理平台出现前可以续命一段时间。本文不再演示在线过程(已没有意义)，暂时演示x86_64架构离线部署过程(arm需要等等)，若有其他需要可添加我微信好友sd_zdhr。
听闻kubesphere闭源，镜像库删除，我所运行的系统，之后出问题无法通过官方途径修复（或者花钱），打开文档官方网站如下所示需要将现有的镜像备份kubesphere版本：3.4.1kubernetes版本： v1.28.8。
KubeSphere是一款在Kubernetes之上构建的企业级分布式多租户容器管理平台，它提供简单易用的操作界面以及向导式操作方式，在降低用户使用容器调度平台学习成本的同时，极大降低开发、测试、运维的日常工作的复杂度。想象一下：无需记忆几十个kubectl命令，只需点击几下鼠标就能部署应用、管理集群、设置监控——这就是KubeSphere带来的革命性体验！
kubernetes
——kubernetes
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
2048 AI社区
AI硬件创业社区
