一个再怎么严谨的人，如果是手工操作，面对复杂的线上环境的运维，TA的能力也是有限的。TA必须自动化所有能自动化的东西，并争取自动化所有的内容，TA才能有可能“驯服野兽”。即使你再严谨，你也有考虑不到的地方，只有热爱，TA才会探索到TA不知道他不知道的。因为浪费导致企业不必要损失，是否要避免这个损失，很多时间里是一个DevOps工程师的选择问题。我常常忘记自己对这个领域的热爱。在你的心目中，优秀的D

但如果把 BuildKit 简化成“那个用来构建 Dockerfile 的东西”，就像把 LLVM 说成“那个用来编译 C 的东西”一样——这会把它的架构能力低估一个数量级。它当然可以产出 OCI 镜像，但也可以产出 tar 包、本地目录、APK 包、RPM，或者任何你能用“文件系统操作的有向无环图（DAG）”描述的东西。Frontend 是一个容器镜像，BuildKit 会运行它，把你的构建定义

• 2021年，基建团队人数：2，我已经意识到大量的YAML肯定会超过我能管理的复杂程度（事实证明我是正确的，大量的人抱怨YAML的配置地狱）。令我感兴趣的是，论文最后留下的真正的开放性问题。可以说，那几年遇到的问题与论文描述的问题完全一致：配置管理系统往往会发明一种领域特定的配置语言。你可能知道构建的本质是依赖管理，但是你可能想不到运维的复杂性的本质也是依赖管理。4. 检查是否需要特定的配置，比

什么是"服务"、什么是"环境"、什么是"变更"，这些不该写死在产品里，应该作为开放的 schema，让用户在自己的 IaC 代码、配置、注解里去定义。GUI 型平台覆盖这套多样性的方式，是在产品里做模型、做开关、做"插件机制"、做"自定义字段"。但只要这些东西最终落进产品代码——落进工程师写的 if-else、写的 React 组件、写的 schema 定义——控制器的多样性就被产品团队的工程容量

更糟的是,云厂商有强烈的动机去阻止自家的 API 与竞争对手的 API 互相兼容或等价。同样地,让云服务如此赚钱的"规模经济"效应也意味着:每一个 API 都有大量的用户,从而能产生充足、高质量的训练数据。给定一个函数、一个服务端组件,或某个待运行的"应用",自动生成部署它所需要的基础设施。这件事已经被尝试过很多次了,但对于基于规则的引擎来说,这是一道无法逾越的难题。译者：根据个人的过往经验，在企

文章有些长，建议先关注、收藏再阅读：简介Kubeflow是在k8s平台之上针对机器学习的开发、训练、优化、部署、管理的工具集合，内部集成的方式融合机器学习中的很多领域的开源项目，比如Jup...

一、前置知识点理解Ingress简单的说，ingress就是从kubernetes集群外访问集群的入口，将用户的URL请求转发到不同的service上。Ingress相当于nginx、ap...

半年多前，我们从传统的Ansible自动化部署迁移到了云原生部署。我们没有通过Rancher或者KubeSphere这些平台的可视化界面部署，而是选择了Helm这个命令行工具。原因有以下几...

技术干货，可收藏，点“在看”后，再看。如何使用使用Kubernetes插件时，我们需要做三件事情：根据官方文档，在Jenkins上加入kubernetes配置。在Jenkinsfile中...