移动云CNP产品介绍

整体介绍

磐舟devops的核心功能是项目管理和CI流程实现。CD能力也是集成的外部开源产品argoCD。所以 磐舟并不以CD能力见长。一般推荐试用磐舟完成CI,然后试用移动云CNP产品完成CD部署工作。

移动云原生技术平台CNP是面向多云多集群场景的应用管理平台。平台以应用为核心,覆盖管理、调度、交付、运维等全生命周期,提供跨云跨地域算力统一管理、分布式数据服务、分布式应用开发、全链路统一运维等核心能力。

直白点说,就是能够纳管k8s集群,包括自建k8s集群和移动云资深KCS服务创建的k8s集群。然后基于纳管的集群,提供了CD部署的UI控制台界面,在此基础上,提供了纳管资源的监控以及常用组件的集群内快速部署功能。目前组件提供nacos、apisix、skywalking、istio。

基础使用流程说明

集群管理

首先你需要先构建好一个k8s集群,纳管到cnp平台中。目前支持公网和内网纳管两种方案。

公网纳管

支持各种云平台,但是需要打通网络,也就是说需要吧k8s API server暴漏给cnp服务才行。一般不推荐使用。如果要使用该方式的话,需要在对端网络策略配置cnp出口的白名单,确保网络安全。

然后就是讲kubeconfig贴过来,进行纳管。cnp会将自身需要的组件在集群内完成部署初始化工作。

内网纳管

内网纳管时,只要当前移动云账号下,对应资源池下存在kcs创建的集群,cnp平台能够自动识别到,并直接纳管。

环境标签主要是用来标准集群是测试还是生产环境使用。

集群管理看板

完成集群纳管后,就可以看到集群整体的概览信息。并支持级联方式查看各个组件、节点、业务的使用情况。

工作节点

可以直观查看worker节点资源状况。

其他功能所见即所得,请自行摸索,不再截图展示。

平台管理

完成集群纳管后,下一步是要进行平台管理,不是应用开发。注意。

平台管理主要分了三个模块。

项目列表

创建项目

项目就是软件项目,指部署在集群内的项目。

cnp支持一个集群内部署多个项目,并支持子项目概念。这里暂不介绍。

我们关闭子项目选项。

这里会引出一个项目成员。这里涉及到移动云内部的用户权限体系问题。移动云内部支持RAM用户创建。就是说移动云主账号下,可以自行创建RAM用户,分配给RAM用户不同移动云产品功能权限,便于不同角色运维人员登录并使用移动云进行运维管理。这里我们需要先到访问控制功能下创建一个用户,并授权cnp使用权限。

然后创建一个用户,添加到上述用户组。

就能到云原生平台中看到用户了。

选中下一步。

选择一个纳管的集群,完成项目创建工作。

部署目标

部署目标需要先创建项目才可以操作。部署目标相当于k8s中的一个namespace。cnp会在cd时创建对应namespace,把应用部署到该namespace下。

部署目标需要选择一个属于该项目的集群,然后设置一个namespace。

环境管理

环境概念主要是提供给运维人员使用。线上我们一般会存在生产环境、测试环境、开发环境等很多情况。不通的环境之间可以通过集群,namespace等进行划分。同时在cnp进行cd的时候,也可以选择部署到指定环境下。

比较简单,不在说明。

云原生可观测

其实就是提供集群监控能力。主要是以云原生的视角提供监控功能。

项目监控

可以直接提供项目相关集群的监控信息。包括集群状态、worker节点状态、应用状态、插件情况、微服务引擎情况。下方也提供了项目在集群中cpu、内存的使用分析曲线。可以直观看到各个项目对集群资源的具体占用情况。

微服务引擎

提供了对集群快速部署集群组件的功能。分别对应nacos,apisix,skywalking。

配置注册中心

其实就是基于k8s集群模式,快速部署一套集群内的nacos服务。可以设置nacos节点配置以及节点数。默认是必须提供高可用,所以是最低3个节点。

云原生网关

与配置注册中心类似,在集群内快速部署APISix服务网关,用来做集群请求的分发路由。可以替代ingress做路由。

创建方法基本一致,选择apisix节点配置,由于路由节点有日志等数据存储,需要挂在pvc做集群外部扩展存储。这里推荐直接订购,自动创建比较方便。计费信息时存储产生的费用。

apisix具体配置,需要根据并发数进行设置。这里有个主意事项。目前CNP没提供apisix的变配,只能够扩展节点。如果需要变配,可以到kcs里面直接修改apisix的工作负载的配置。

创建完就是如上效果。但是仍然无法使用,需要细化配置集群svc服务,将apisix的端口开放出来。

目前CNP的创建Service的功能还在优化中,暂时需要通过kcs去配置相关svc。

APISix-Web 控制台的svc服务

注意工作负载要选择dashboard-apisix。访问类型选择负载均衡,然后选中开通的入口负载均衡。流量策略是Cluster,容器端口apisix默认是9000不要调整,服务端口是外网端口,可以自行设置。

Apisix-gateway 网关入口svc服务

工作负载选择dataplane-apisix。访问类型选择负载均衡,策略cluster,端口映射,容器端口不要调整,服务端口根据需要配置。如果不希望提供http协议,可以删除9080的端口映射。同时apisix启用https需要做一些配置。后面会单独说明。

完成后就可以通过负载均衡公网入口加端口号访问了。

kcs会自动在负载均衡上创建监听,并绑定后端主机组。

应用性能监控

其实和apisix类似,就是安装skywalking,可以做日志汇聚及调用链分析。

由于济南资源池没有es服务,所以暂时未使用。

应用开发

应用列表,对应项目管理逻辑。

制品库管理,对应镜像库纳管功能。

插件管理,用于集群内快速安装插件。这边主要是istio。

应用路由,对应apisix的路由配置。

应用开发部分比较复杂。后面单独开一章讲解。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/155533.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux—简介安装常用命令系统中软件安装项目部署

目录 1. 前言1.1 什么是Linux1.2 为什么要学Linux1.3 学完Linux能干什么 2. Linux简介2.1 主流操作系统2.2 Linux发展历史2.3 Linux系统版本 3. Linux安装3.1 安装方式介绍3.2 安装VMware3.3 安装Linux3.4 网卡设置3.5 安装SSH连接工具3.5.1 SSH连接工具介绍3.5.2 FinalShell安…

大数据可视化是什么?

大数据可视化是将海量数据通过视觉方式呈现出来,以便于人们理解和分析数据的过程。它可以帮人们发现数据之间的关系、趋势和模式,并制定更明智的决策。大数据可视化通常通过图形、图表、地图和仪表盘等视觉元素来呈现数据。这些元素具有直观、易理解的特…

前端uniapp生成海报绘制canvas画布并且保存到相册【实战/带源码/最新】

目录 插件市场效果如下图注意使用my-share.vue插件文件如下图片hch-posterutilsindex.js draw-demo.vuehch-poster.vue 最后 插件市场 插件市场 效果如下图 注意 主要&#xff1a;使用my-share.vue和绘制canvas的hch-poster.vue这两个使用 使用my-share.vue <template&…

时序预测 | MATLAB实现基于LSTM-AdaBoost长短期记忆网络结合AdaBoost时间序列预测

时序预测 | MATLAB实现基于LSTM-AdaBoost长短期记忆网络结合AdaBoost时间序列预测 目录 时序预测 | MATLAB实现基于LSTM-AdaBoost长短期记忆网络结合AdaBoost时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 x 基本介绍 1.Matlab实现LSTM-Adaboost时间序列预测…

SQL基础理论篇(八):视图

文章目录 简介创建视图修改视图删除视图总结参考文献 简介 视图&#xff0c;即VIEW&#xff0c;是SQL中的一个重要概念&#xff0c;它其实是一种虚拟表(非实体数据表&#xff0c;本身不存储数据)。 视图类似于编程中的函数&#xff0c;也可以理解成是一个访问数据的接口。 从…

数据分析思维与模型:群组分析法

群组分析法&#xff0c;也称为群体分析法或集群分析法&#xff0c;是一种研究方法&#xff0c;用于分析和理解群体内的动态、行为模式、意见、决策过程等。这种方法在社会科学、心理学、市场研究、组织行为学等领域有广泛应用。它可以帮助研究人员或组织更好地理解特定群体的特…

C# Onnx DIS高精度图像二类分割

目录 介绍 效果 模型信息 项目 代码 下载 介绍 github地址&#xff1a;https://github.com/xuebinqin/DIS This is the repo for our new project Highly Accurate Dichotomous Image Segmentation 对应的paper是ECCV2022的一篇文章《Highly Accurate Dichotomous Imag…

Windows + Syslog-ng 发送eventlog 到Splunk indexer

1: 背景: 装了window Splunk universal forwarder 的 window server 要把event log 送到linux 的splunk indexer 上,由于网络的原因,不能直接发送数据到splunk indexer的话,要利用跳板机来实现: 2:架构: 3: 先说明每个类型server 上的安装情况: Window server: 安装S…

Tomcat 9.0.54源码环境搭建

一. 问什么要学习tomcat tomcat是目前非常流行的web容器&#xff0c;其性能和稳定性也是非常出色的&#xff0c;学习其框架设计和底层的实现&#xff0c;不管是使用、性能调优&#xff0c;还是应用框架设计方面&#xff0c;肯定会有很大的帮助 二. 运行源码 1.下载源…

DeepMind 推出 OPRO 技术,可用于优化 ChatGPT 提示

本心、输入输出、结果 文章目录 DeepMind 推出 OPRO 技术&#xff0c;可用于优化 ChatGPT 提示前言消息摘要OPRO的工作原理DeepMind的研究相关链接花有重开日&#xff0c;人无再少年实践是检验真理的唯一标准 DeepMind 推出 OPRO 技术&#xff0c;可用于优化 ChatGPT 提示 编辑…

股票池(三)

3-股票池 文章目录 3-股票池一. 查询股票池支持的类型二. 查询目前股票池对应的股票信息三 查询股票池内距离今天类型最少/最多的股票数据四. 查询股票的池统计信息 一. 查询股票池支持的类型 接口描述: 接口地址:/StockApi/stockPool/listPoolType 请求方式&#xff1a;GET…

Figma 是什么软件?为什么能被Adobe收购

很多人一定早就听说过Figma的名字了。看到很多设计同行推荐&#xff0c;用了很久&#xff0c;疯狂的安利朋友用。是什么让这么多设计师放弃了FigmaSketch的魅力&#xff1f;下面的内容将详细分享一些与Figma相关的知识点&#xff0c;并介绍这个经常听到但不熟悉的工具。 Figma…

MindSpore基础教程:使用 MindCV和 Gradio 创建一个图像分类应用

MindSpore基础教程&#xff1a;使用 MindCV和 Gradio 创建一个图像分类应用 官方文档教程使用已经弃用的MindVision模块&#xff0c;本文是对官方文档的更新 在这篇博客中&#xff0c;我们将探索如何使用 MindSpore 框架和 Gradio 库来创建一个基于深度学习的图像分类应用。我…

股票基础数据(二)

二. 股票基础数据 文章目录 二. 股票基础数据一. 查询股票融资信息数据二. 查询所有的股票信息三. 查询所有的股票类型信息四. 根据类型查询所有的股票数据信息五. 查询股票当前的基本信息六. 查询股票的K线图, 返回对应的 base64 信息七. 展示股票的K线图数据, 对应的是数据信…

大模型的实践应用7-阿里的多版本通义千问Qwen大模型的快速应用与部署

大家好,我是微学AI,今天给大家介绍一下大模型的实践应用7-阿里的多版本通义千问Qwen大模型的快速应用与部署。阿里云开源了Qwen系列模型,即Qwen-7B和Qwen-14B,以及Qwen的聊天模型,即Qwen-7B-Chat和Qwen-14B-Chat。通义千问模型针对多达 3 万亿个 token 的多语言数据进行了…

LLM之Prompt(二):清华提出Prompt 对齐优化技术BPO

论文题目&#xff1a;《Black-Box Prompt Optimization: Aligning Large Language Models without Model Training》 论文链接&#xff1a;https://arxiv.org/abs/2311.04155 github地址&#xff1a;https://github.com/thu-coai/BPO BPO背景介绍 最近&#xff0c;大型语言模…

米哈游大数据云原生实践

云布道师 近年来&#xff0c;容器、微服务、Kubernetes 等各项云原生技术的日渐成熟&#xff0c;越来越多的公司开始选择拥抱云原生&#xff0c;并将企业应用部署运行在云原生之上。随着米哈游业务的高速发展&#xff0c;大数据离线数据存储量和计算任务量增长迅速&#xff0c…

中大型企业网搭建(毕设类型)

毕业设计类别 某大学网络规划与部署 目录 某大学网络规划与部署 第一章项目概述 1.1 项目背景 1.2 网络需求分析 第二章网络总体设计方案 2.1 网络整体架构 2.2 网络设计思路 第三章 网络技术应用 3.1 DHCP 3.2 MSTP 3.3 VRRP 3.4 OSPF 3.5 VLAN 3.6 NAT 3.7 WLAN 3…

78基于matlab的BiLSTM分类算法,输出迭代曲线,测试集和训练集分类结果和混淆矩阵

基于matlab的BiLSTM分类算法&#xff0c;输出迭代曲线&#xff0c;测试集和训练集分类结果和混淆矩阵&#xff0c;程序有详细注释&#xff0c;数据可更换自己的&#xff0c;程序已调通&#xff0c;可直接运行。

全面解析IEC 60364三种接地系统的概念、特点及应用

根据IEC 60364规定的各种保护方式、术语概念&#xff0c;低压配电系统按接地方式的不同分为三类&#xff0c;即 TT 、 TN 和 IT 系统。 1.TT系统TT grounding system TT供电系统&#xff1a;是指将电气设备的金属外壳直接接地的保护系统&#xff0c;称为保护接地系统&#xff…