前言 Fluid 作为基于 Kubernetes 开发的面向云原生存算分离场景下的数据调度和编排加速框架,已于近期完成了 v0.6.0 版本的正式发布.腾讯云容器 TKE 团队一直致力于参与 Fluid 社区建设,在最新版本中贡献了以下两大特性:缓存引擎高可用运行时.新增数据缓存引擎实现 GooseFSRuntime . 什么是存算分离?云原生背景下为什么需要数据编排?Fluid 和 GooseFSRuntime 又是什么?别担心!针对这些问题,我们带你一一探索.本文将首先介绍 Fluid 技术

内容来源于官方 Longhorn 1.1.2 英文技术手册. 系列 Longhorn 是什么? Longhorn 云原生分布式块存储解决方案设计架构和概念 安装 Longhorn 可以通过多种方式安装在 Kubernetes 集群上: Rancher catalog app kubectl Helm 安装要求 安装 Longhorn 的 Kubernetes 集群中的每个节点都必须满足以下要求: 与 Kubernetes 兼容的容器运行时(Docker v1.13+.containerd v1.

Rook 是一个开源 cloud-native storage orchestrator(云原生存储编排器),为各种存储解决方案提供平台.框架和支持,以与云原生环境进行原生集成. Rook 将存储软件转变为自我管理(self-managing).自我扩展(self-scaling)和自我修复(self-healing)的存储服务. 它通过自动化部署(automating deployment).引导(bootstrapping).配置(configuration).供应(provisioning

内容来源于官方 Longhorn 1.1.2 英文技术手册. 系列 Longhorn 是什么? Longhorn 云原生分布式块存储解决方案设计架构和概念 Longhorn 企业级云原生容器存储解决方案-部署篇 创建 Longhorn 卷 在本教程中,您将学习如何创建与 Longhorn 卷对应的持久卷 (PV) 和持久卷声明 (PVC) 的 Kubernetes 持久存储资源.您将使用 kubectl 为使用 Longhorn 存储类(storage class)的工作负载动态配置存储. 本节

理想汽车在 Hadoop 时代的技术架构 首先简单回顾下大数据技术的发展,基于我个人的理解,将大数据的发展分了4个时期: 第一个时期: 2006 年到 2008 年.2008 年左右,Hadoop 成为了 Apache 顶级项目,并正式发布了 1.0 版本,它的基础主要是基于谷歌的三驾马车,GFS.MapReduce.BigTable 去定义的. 第二个时期: 2009 年到 2013 年阶段.雅虎.阿里.Facebook 等企业对大数据的应用越来越多.2013 年底 Hadoop 正式发布 2

概述 **本人博客网站 **IT小神 www.itxiaoshen.com Kubernetes官网地址 https://kubernetes.io Kubernetes GitHub源码地址 https://github.com/kubernetes/kubernetes Kubernetes,也称为K8s,生产级别的容器编排系统,是一个用于自动化部署.扩展和管理容器化应用程序的开源系统. Kubernetes,是一个go语言开发(docker也是go语言开发,可见go语言的厉害和趋势,其兼具

基础不牢,地动山摇.无论是何种体系架构,底层存储的选择都是一个值得探讨的话题.存储承载着业务的数据,其性能直接影响到业务应用的实际表现.也正因为存储和业务的数据关联紧密,其可靠性也必须得到关注,存储的失效一旦导致业务数据丢失,那将会是一场灾难级别的事故. 1. 云原生时代的存储选择之路 最近几年,我的工作内容始终围绕着客户 Kubernetes 集群的建设.如何为客户的 Kubernetes 集群选择一款稳定可靠.性能表现优异的存储解决方案,这样的问题一直困扰着我. 存储卷可以在 Pod 漂移到

1. 引言 云原生数据库跟分布式mpp数据库是有差异的,虽然两者都是计算与存储分离,但是在资源的占用上有所不同.云原生数据库是shard everything架构,其依赖的存储资源.内存资源.事务资源在云中都是共享.弹性伸缩的.由分布式文件系统提供按需分配.租户隔离的块存储,由分布式内存池提供buffer pool占用的大块内存.分布式mpp数据库则是shard nothing架构,其依赖的存储资源.内存资源.事务资源是单个物理节点上的资源,在SQL计算层进行了分布式计算逻辑的分发. 本文重点介

文章转载自:https://mp.weixin.qq.com/s/_52kZ5jil1Cec98P5oozoA MinIO 提供开源.高性能.兼容 s3 的对象存储,为每个公共云.每个 Kubernetes 发行版.私有云和边缘云中无缝运行,使其成为混合云和多云对象存储的领导者. 1. MinIO 的应用场景 MinIO 是一个基于 Apache License v2.0 开源协议的对象存储服务.它兼容亚马逊 S3 云存储服务接口,非常适合于存储大容量非结构化的数据,例如图片.视频.日志文件.备

前言 相信经过前一篇文章的学习,大家已经对Helm有所了解,本篇文章介绍另一款工具 Kustomize,为什么Helm如此流行,还会出现 Kustomize?而且 Kustomize 自 kubectl 1.14以来早已内置到其中,说明官方对其很认可. 我认为还是Helm 参数化模板方式来自定义配置需要学习复杂的DSL语法,难上手,易出错,而 kustomize 是使用 Kubernetes 原生概念帮助用户创作并复用声明式配置. 认识 Kustomize https://kustomize.i

http://www.infoq.com/cn/articles/kubernetes-and-cloud-native-app-container-design-pattern <Kubernetes与云原生应用>专栏是InfoQ向轻元科技首席架构师王昕约稿的系列文章.本专栏包含8篇内容,将会从介绍和分析Kubernetes系统以及云原生应用入手,逐步推出基于Kubernetes的容器设计模式实践案例,希望对计划应用Kubernetes的朋友有所帮助.本文是该专栏的第三篇,阅读本系列全部内容

作者 | 酒祝.天元.元毅.心水.衷源 业界要闻 1.2019 年容器生态统计报告发布  据报告显示,Kubernetes 占据 77% 的容器编排产品份额,Docker 占据 79% 的容器引擎产品份额. 2.Kubernetes 创建 1.17 release 分支 发布了 1.17.0-beta.0 和 1.18.0-alpha.0 版本. 3.CNCF 宣布 Vitess 毕业 CNCF 宣布 Vitess(云原生数据库)毕业,成为继 Kubernetes.Prometheus.Envo

作者|刘浩杨 来源|尔达 Erda 公众号 ​ 本文整理自刘浩杨在 GopherChina 2021 北京站主会场的演讲,微信添加:Erda202106,联系小助手即可获取讲师 PPT. 前言 当今时代,数字化转型概念在 ToB 领域非常火热,越来越多的企业需要数字化转型,因此越来越多的厂商涌入了 ToB 市场,端点就是其中一员. ​ 端点的核心业务是给企业提供从采购.交易.履约.仓储到零售全链路的数字化转型解决方案.围绕这个目的,我们建立了一整套面向云原生的企业数字化软件产品,其中: ​ Pa

本系列文章演示如何快速搭建一个简单的云原生架构的实践环境. 基于这个基础架构,可以持续部署微服务架构的应用栈,演练敏捷开发过程,提升DevOps实践能力. 1 整体规划 1.1 拓扑架构 1.2 基础设置 硬件配置 最低:2核 CPU,4G 内存,30G 硬盘. 建议:8核 CPU,16G 内存,100G 硬盘. 编号 IP OS 主机名 角色 环境 说明 A 192.168.1.101 CentOS7.4 ddc_node01 Manager Global 运行UCP和Jenkins的节点 B

Dragonfly 是一个由阿里巴巴开源的云原生镜像分发系统,主要解决以 Kubernetes 为核心的分布式应用编排系统的镜像分发难题.随着企业数字化大潮的席卷,行业应用纷纷朝微服务架构演进,并通过云化平台优化业务管理.Dragonfly 源于阿里巴巴,从实际落地场景出发,前瞻性地解决了云原生镜像分发的__效率.流控与安全__三大难题. Dragonfly 目前承载了阿里全集团 90%以上的文件下载任务.日分发峰值达到 1 亿次,100%成功支撑双十一营销活动数据抵达数万台机器,github

作者| 易立 阿里云资深技术专家 导读:云原生时代的来临,与Java 开发者到底有什么联系?有人说,云原生压根不是为了 Java 存在的.然而,本文的作者却认为云原生时代,Java 依然可以胜任"巨人"的角色.作者希望通过一系列实验,开拓同学视野,提供有益思考. 在企业软件领域,Java 依然是绝对王者,但它让开发者既爱又恨.一方面因为其丰富的生态和完善的工具支持,可以极大提升了应用开发效率:但在运行时效率方面,Java 也背负着"内存吞噬者","CPU

作者 | 黄玉奇(徙远)  阿里巴巴高级技术专家 关注"阿里巴巴云原生"公众号,回复关键词 1219 即可下载本文 PPT 及实操演示视频. 导读:伴随 5G.IoT 的发展,边缘计算正在成为云计算的新边界,而规模和复杂度的日益提升对边缘计算的效率.可靠性.资源利用率等一系列能力又提出了新的诉求.试想,如果能将云能力从中心往边缘触达,上述问题是不是将迎刃而解?在云原生时代构建云到边的触达通路,保持云边一致性体验,我们的抓手又在哪里呢?本文将一一为你揭晓. 云原生的理念现今正如火如荼.它

作者:天知,原文链接 前言 自 2013 年容器(虚拟)技术(Docker)成熟后,后端的架构方式进入快速迭代的阶段,出现了很多新兴概念: 微服务 k8s Serverless IaaS:基础设施服务,Infrastructure-as-a-service PaaS:平台服务,Platform-as-a-service SaaS:软件服务,Software-as-a-service Cloud Native: 云原生 Service Mesh 后端架构的变迁和云计算的发展密切相关,架构其实在不断

系列介绍:这个系列是介绍如何用云原生技术来构建.测试.部署.和管理应用的内容专辑.做这个系列的初衷是为了推广云原生应用管理的最佳实践,以及传播开源标准和知识.在这个系列文章的开篇初探云原生应用管理(一): Helm 与 App Hub中,我们介绍了如何用 Helm 来快速部署 K8s 应用.在本篇文章我们将跟你聊聊,为什么要尽快转向 Helm V3. 在研究了一番“开放云原生应用中心(AppHub)”之后,程序员小张似乎已经明白了“云原生应用”到底是怎么一回事情. “不就是 Helm 嘛!” 说

为什么我们需要多集群? 近年来,多集群架构已经成为“老生常谈”.我们喜欢高可用,喜欢异地多可用区,而多集群架构天生就具备了这样的能力.另一方面我们也希望通过多集群混合云来降低成本,利用到不同集群各自的优势和特性,以便使用不同集群的最新技术(如 AI.GPU 集群等). 就是因为这种种原因,多集群几乎成为了云计算的新潮流,而被谈及最多并且落地的多集群场景主要有这三类: 一类用于应对“云突发”.如下图 1 所示,正常情况下用户使用自己的 IDC 集群提供服务,当应对突发大流量时,迅速将应用扩容到云上