2019独角兽企业重金招聘Python工程师标准>>>

在过去的一年多时间了里,我们深入了解了容器编排工具,引导团队构建并发布了可以部署在kubernetes上的cloud native GitLab helm chart。对于正在考虑上手Kubernetes的朋友,我们有以下6点建议:

在网上查看文档、在线课程和演示

不要闭门造车,去看看网上的文档和视频演示,这是都是可以让我们快速熟悉和了解Kubernetes的好渠道。我们其实没必要为了用K8s而去煞有介事的参加一整套课程,但是对于某些技术细节,专业的讲解和经验分享无疑是极有帮助的。

当然学以致用的最佳途径还是实际的测试演练,有很多PaaS平台或者Kubernetes工具都有免费的资源或者免费试用期,我们可以在其之上建立并部署一个小集群,尝试、配置、更改……随便玩吧!

搞明白为什么用Kubernetes

使用Kubernetes的最大挑战之一是想清楚我们要做什么——是作为一个测试round、一个临时环境,还是用于生产?

仅仅用于开发环境并不复杂,只需要了解一些基本的概念,比如namespace,以及了解什么是secret、什么是configuration、什么是deployment等等,这些概念将在我们的使用过程中贯穿始终。

在Kubernetes上更进一步时,我们需要了解一些之前不存在的东西,比如基于角色的访问控制、RBAC等等。这些功能一年前还没有,但现在正在变得越来越重要,对于在整个流程上的不同角色来说好处多多,确保正在做的事情不会影响到其他不该触及的事情。

例如,我们现在可以通过RBAC进行细粒度控制,设置多个namespace,每个namespace对访问或者创建secret、configuration进行控制。这样我们便拥有了生产级的多租户集群,不必担心租户之前互相影响和干涉。

服务商们的Kubenretes版本不一定一致

很多人会选择使用服务商提供的Kubernetes服务,这里需要注意的是,服务商们提供的Kubenrets版本往往并不一致。一般来说,它们会很接近,但某些功能的实现方式稍有不同。或许基础版本都差不多,区别会存在于服务商与自己产品集成时提供的高级支持。

另外需要注意的是,有些服务商并不支持我们“自己动手”,我们无法把自己的插件和组件跟服务商提供的产品服务一起使用。

对于新功能的使用不能盲目

从我们第一次了解Kubernetes到现在,一年时间里它的功能扩展了很多。对于新的变化,如果没有充分理解便贸然使用的话,很可能会适得其反,我们花些时间阅读和思考是否真的用得上或者怎么用,毕竟看到别人这样做并不代表它就是行业的最佳实践。

要经常更新版本

Kubernets是一个生产就绪的系统,但它不是一个每半年发布一次新版本的软件,新的特性和功能每日剧增。所以如果我们安装了Kubernets,一年不更新,之后再去考虑找一个LTS,那时候其实已经晚了。我们的建议是每个月检查一次Kubernetes的新功能和新特性,以保证我们没有“过时”。

最后一点建议(广告)

Kubernetes提出的一系列概念抽象,非常符合理想的分布式调度系统。但大量高难度技术概念,同时也形成了一条陡峭的学习曲线,直接拉高了Kubernetes的使用门槛。

好雨云开源PaaS Rainbond则将这些技术概念包装成为“Production-Ready”的应用,可以作为一个Kubernetes面板,开发者不需要特殊学习即可使用。

除此之外,Kubernetes本身是一个容器编排工具,并不提供管理流程,而Rainbond提供现成的管理流程,包括DevOps、自动化运维、微服务架构和应用市场等,可以开箱即用。

进一步了解:https://www.goodrain.com/scene/k8s-docker

原文:https://about.gitlab.com/2018/04/16/five-things-i-wish-i-knew-about-kubernetes/​

转载于:https://my.oschina.net/zhouyq/blog/1806038

上手kubernetes之前,你应该知道这6件事相关推荐

  1. 培训:3天带你快速上手Kubernetes | 上海站

    在过去几年中,开源的容器编排技术 Kubernetes获得了广泛的市场支持和企业采纳,10月17日,它意义非凡的收获了劲敌Docker的支持.Docker公司在其丹麦哥本哈根举行的DockerCon大 ...

  2. 培训:3天带你快速上手Kubernetes

    在过去几年中,开源的容器编排技术Kubernetes获得了广泛的市场支持和企业采纳,10月17日,它意义非凡的收获了劲敌Docker的支持.Docker公司在其丹麦哥本哈根举行的DockerCon大会 ...

  3. C/C++程序员上手C#应该知道的100件事(21~30)

    21. Console系统内置类可以生成控制台应用 22. Console.WriteLine("hello world")是第一个C#程序的核心代码:Console.ReadLi ...

  4. c语言中用gaminv,轻松上手游泳模式,用Garmin腕表一定要知道的五件事

    1.室内泳池手表是如何测量室内距离的? 在室内当然的不是通过 GPS 来测量距离,拿到手表前,需先正确设定好泳池大小,内建有 25 米.50 米等等,还可以自订泳池大小(最短距离 17 码,约 15. ...

  5. Kubernetes 集群升级指南:从理论到实践

    作者 | 高相林(禅鸣) **导读:**集群升级是 Kubernetes 集群生命周期中最为重要的一环,也是众多使用者最为谨慎对待的操作之一.为了更好地理解集群升级这件事情的内涵外延,我们首先会对集群 ...

  6. Kubernetes 学习总结(25)—— Kubernetes 中的 pod 与容器的区别和联系

    前言 容器本可以成为轻量级虚拟机的替代品.但是由于 Docker/OCI 的标准化,最广泛使用的容器形式是每个容器只有一个进程服务.这种方法有很多优点--增加隔离性.简化水平扩展.更高的可重用性等.但 ...

  7. 蜜雪冰城23年创业史:关门3次,被拆4次,创始人被弟弟怼出局

    前段时间,有媒体报道,平价茶饮连锁品牌蜜雪冰城或即将完成新一轮融资,融资金额10亿-20亿元人民币,投资方为高瓴资本.美团旗下龙珠资本,本轮融资后蜜雪冰城投后估值约200亿人民币. 熟悉蜜雪冰城的人知 ...

  8. 聊一聊淘宝运营那些事儿

    淘宝发展至今,已经14年.很多过去有用的淘宝运营手法,突然一下不管用了.很多过去成功的操盘经验,突然一下子成为了过去.有许多人都在抱怨淘宝是越来越难做,越来越难运营淘宝了,竞争成本越来越高.其实不是难 ...

  9. ChatGPT方法论“BORE“

    作者 | 陈财猫 我是一个自动驾驶行业的产品经理,也是ChatGPT的第一批用户.第一次遇见ChatGPT是在去年十二月的第一个星期,有一个搞AI的朋友在群里发了一张与ChatGPT的聊天截图,引起了 ...

最新文章

  1. 集成学习(Ensemble Learning)
  2. R函数之:apply(), lapply(), sapply(), tapply()
  3. LoRDEC: accurate and efficient long read error correction LoRDEC:精确且高效的长read校正
  4. JS中IE与W3C不同的地方
  5. Linux-目录结构说明
  6. 设计模式:备忘录模式(Memento)
  7. java8日期转时间戳_Java 8日期和时间
  8. python100内3整除while_python-循环语句-习题及答案-for-while
  9. switch语句使用注意事项
  10. linux复制后权限变了,linux系统(centos debian freebsd等)如何拷贝数据并保持原来的属性(权限 属主)不变?...
  11. redis配置文件redis.conf详细说明
  12. ffmpeg超详细综合教程(二)——为直播流添加滤镜
  13. 基于Java毕业设计房产客户信息管理系统源码+系统+mysql+lw文档+部署软件
  14. 焕然一新的 Vue 3 中文文档来了,附送50张学习思维图
  15. 教你快速记住公司工作邮箱格式,再也不用百度“邮箱格式怎么写”啦!
  16. 用 python 来操作 docx(使用 docx 库操作 docx 格式文件)
  17. Excel如何条件求和
  18. 用友NC系统考勤机自动同步方案(适合大型商超)
  19. 关于ExecuteNonQuery() 方法
  20. 关于Android 12 适配,看这篇就够了

热门文章

  1. python就业方向及工资-Python的就业的方向和前景
  2. python培训出来的有公司要吗-Python培训班出来好找工作吗?
  3. Teamviewer连接服务器显示不能够全屏 或 向日葵连接服务器不能够全屏 或 Teamviewer只显示一个640x480的分辨率选项
  4. winston日志框架
  5. UVa213 - Message Decoding
  6. qt中用mysql获取所有的数据库、数据库中的表名
  7. 进程通信学习笔记(读写锁)
  8. idea、eclipse常用快捷键
  9. sklearn中的朴素贝叶斯模型及其应用
  10. 前一个参数作为下个参数结果