OpenYurt v1.0 正式发布!一文了解三大社区 SIG 重点更新

本文涉及的产品
容器镜像服务 ACR,镜像仓库100个 不限时长
注册配置 MSE Nacos/ZooKeeper,182元/月
应用实时监控服务-可观测链路OpenTelemetry版,每月50GB免费额度
简介: 经过 OpenYurt 社区各个 SIG 的一齐努力,OpenYurt v1.0 版本于北京时间 9 月 9 号正式发布。v1.0 版本重点关注代码品质提升,降低 OpenYurt 的入门门槛,以及核心组件的性能测试,同时统一 API 的自动化治理。
作者:
何淋波(新胜),阿里云技术专家
陈锦赐(敬易),阿里云开发工程师
熊峰(籁鸣),阿里云技术专家


OpenYurt 定位为云边协同的云原生边缘基础设施,经过 2 年多的发展,社区在云边协同治理,边缘自治,边缘网络与存储,以及 IoT 等方向已经孵化超过 20+子项目,为更好的提升社区协同效率和完善社区治理,OpenYurt 社区成立了 3 个 SIG:ControlPlane, DataPlane, IoT 来统筹管理社区所有项目,同时社区会议也由双周会调整为周会。经过 OpenYurt 社区各个 SIG 的一齐努力,OpenYurt v1.0 版本于北京时间 9 月 9 号正式发布。


v1.0 版本重点关注代码品质提升,降低 OpenYurt 的入门门槛,以及核心组件的性能测试,同时统一 API 的自动化治理。


1.jpeg


SIG ControlPlane


重点更新


  • API 治理:NodePool 资源版本升级到`v1beta1`,同时 OpenYurt 所有 API 管理迁移到 openyurtio/api[1],建议用户通过引用这个项目来使用 OpenYurt 的资源 API
     
  • 完善测试覆盖率:使用 CodeCov[2]来跟踪各个项目的 unit test 覆盖率。目前 ControlPlane 各个项目的测试覆盖率基本达到 50%。同时完善了 yurt-app-manager 项目的 E2E 和 Fuzz 测试  


  • 性能测试:重点关注 Yurthub 组件的性能和云边断网状态下节点重启时 Pod 恢复效率,相关测试报告可以参考:Yurthub 性能测试报告[3],节点重启时 Pod 恢复效率测试[4] 


  • OpenYurt 安装部署优化: 移除了早期的 K8s 和 OpenYurt 相互转换工具,同时 OpenYurt 安装优化为: OpenYurt Control-Plane 组件安装[5],边缘节点接入[6]


详细更新可以参考: https://github.com/orgs/openyurtio/projects/6


未来规划


SIG ControlPlane 仍将继续提升云边协同场景下的治理能力,目前规划的能力包括:


  • 支持节点池为入口的运维监控能力,确保云边网络断连状态下,仍可对节点池内资源进行运维监控操作 #775[7] 
  • 支持节点池维度的 Pod 驱逐管理策略,确保边缘业务的可用性 #779[8] 
  • 支持云边流量复用能力,大幅降低云边通信的管控流量,以及减少 95%+的list/watch 请求 #778[9] 
  • 探索边缘业务的新型升级模型,如 DaemonSet 工作负载的 OTA 升级和 Auto 升级 #914[10] 
  • 基于 kubeadm 重构 yurtadm join command #889[11] 
  • 优化服务流量拓扑能力,解决 Service 和 NodePool 变化时引发的流量拓扑的更新问题 #871[12] 
  • 优化基于流水线打包 OpenYurt 集群镜像(基于 sealer) #942[13]


详细规划可以参考: https://github.com/orgs/openyurtio/projects/7/views/1


SIG DataPlane


重点更新


  • raven 支持 WireGuard 作为 VPN 后端;相比于 IPSec 作为 VPN 后端有更好的性能
  • raven 支持 Calico,适配 Calico 对于单节点多容器网络网段的特性 
  • raven 支持网络链路最小 MTU 的探测 
  • 完善测试覆盖率: 使用 CodeCov 来跟踪 raven 和 raven-controller-manager 的 unit test 覆盖率,目前 DataPlane 各个项目中测试覆盖率都有效提升,其中 raven 项目的测试覆盖率已经达到 60%以上


详细更新可以参考: https://github.com/orgs/openyurtio/projects/8


未来规划


SIG DataPlane 仍将继续提升云边协同场景下的网络能力,目前规划的能力包括:


  • raven 支持 SLB 作为公网暴露方式,当前仅支持云端 eip 或公网 ip 的方式打通边-边、云边网络 #22[14] 
  • raven 支持 NAT 穿越,使得边端的网络能够不借助于云端的转发,达到互相打通的效果 #45[15] 
  • raven 支持接管 yurt-tunnel 的能力,将 OpenYurt 的网络组件统一收口到 raven 项目 #40[16]#41[17]


详细规划可以参考: https://github.com/orgs/openyurtio/projects/8


SIG IoT


重点更新


1. yurt-edgex-manager


  • Helm Chart 支持。#17[18]
  • 支持 1.22 及以上版本 Kubernetes。#21[19]
  • 针对 EdgeX CRD 新增 Webhook 支持。#22
  • 优化 EdgeX 微服务的 Service 类型及网络监听方式,避免端口冲突,提升开发测试易用性。#29[20]#37[21] 


2. yurt-device-controller


  • 支持指定 device、deviceprofile、deviceservice 资源双向同步名称,解决自动通过过程中重复创建资源问题。#50[22] 
  • 升级 Kube-Builder 版本,调整 Project Layout为Multi-Group,便于后续 Device 相关 API 的 ClientSet 生成。调整 DeviceProfile CRD DeviceResource.Attributes 数据类型,修复支持 2.x 版本 EdgeX 后,make generate 失败问题。#43[23] 
  • Helm Chart 支持。#57[24] 


3. 完善测试覆盖


使用 CodeCov 来跟踪各个项目的 unit test 覆盖率。通过增加单元测试,E2E 测试,持续提升 IoT SIG 中各个项目的测试覆盖率,其中,yurt-device-controller 测试覆盖率提升至 45%。


未来规划(SIG IoT v0.3)


  • yurt-edgex-manager 调整为 yurt-iot-manager,提供自动化支持 EdgeX 新 release 版本的能力;统一 IoT SIG 中所有组件的部署,提供更加便捷的安装部署方式;支持组件定制化部署。
  • OpenYurt 设备管理 Benchmark。 
  • 基于 OpenYurt+EdgeX+OpenVINO 的摄像头管理及适配识别 End-to-End 参考架构及实现。


详细规划可以参考:
https://github.com/orgs/openyurtio/projects/2/views/1


如果您对于 OpenYurt 有任何疑问,欢迎使用钉钉扫描二维码加入钉钉交流群。


2.jpeg


相关链接


[1] openyurtio/api

https://github.com/openyurtio/api


[2] CodeCov

https://about.codecov.io/


[3] Yurthub性能测试报告

https://openyurt.io/docs/test-report/yurthub-performance-test


[4] 节点重启时Pod恢复效率测试

https://openyurt.io/docs/test-report/pod-recover-efficiency-test


[5] OpenYurt Control-Plane组件安装

https://openyurt.io/docs/installation/summary


[6] 边缘节点接入

https://openyurt.io/docs/installation/yurtadm-join


[7] #775

https://github.com/openyurtio/openyurt/issues/775


[8] #779

https://github.com/openyurtio/openyurt/issues/779


[9] #778

https://github.com/openyurtio/openyurt/issues/778


[10] #914

https://github.com/openyurtio/openyurt/issues/914


[11] #889

https://github.com/openyurtio/openyurt/issues/889


[12] #871

https://github.com/openyurtio/openyurt/issues/871


[13] #942

https://github.com/openyurtio/openyurt/issues/942


[14] #22

https://github.com/openyurtio/raven/issues/22


[15] #45

https://github.com/openyurtio/raven/issues/45


[16] #40

https://github.com/openyurtio/raven/issues/40


[17] #41

https://github.com/openyurtio/raven/issues/41


[18] #17

https://github.com/openyurtio/yurt-edgex-manager/pull/17


[19] #21

https://github.com/openyurtio/yurt-edgex-manager/issues/21


[20] #29

https://github.com/openyurtio/yurt-edgex-manager/pull/29


[21] #37

https://github.com/openyurtio/yurt-edgex-manager/pull/37


[22] #50

https://github.com/openyurtio/yurt-device-controller/pull/50


[23] #43

https://github.com/openyurtio/yurt-device-controller/pull/43


[24] #57

https://github.com/openyurtio/yurt-device-controller/pull/57


点击此处,立即了解 OpenYurt 项目!

相关文章
|
存储 Kubernetes Cloud Native
一文读懂容器存储接口 CSI
在《一文读懂 K8s 持久化存储流程》一文我们重点介绍了 K8s 内部的存储流程,以及 PV、PVC、StorageClass、Kubelet 等之间的调用关系。接下来本文将将重点放在 CSI(Container Storage Interface)容器存储接口上,探究什么是 CSI 及其内部工作原理。
一文读懂容器存储接口 CSI
|
监控 网络协议 Unix
go程序报错Unix syslog delivery error
记录一下问题出错原因
3223 0
|
10月前
|
人工智能 自然语言处理 开发工具
自建 DeepSeek 时代已来,联网搜索如何高效实现
随着 DeepSeek 等高质量开源大模型的涌现,企业自建智能问答系统的成本已降低 90% 以上。基于 7B/13B 参数量的模型在常规 GPU 服务器上即可获得商业级响应效果,配合 Higress 开源 AI 网关的增强能力,开发者可快速构建具备实时联网搜索能力的智能问答系统。
997 98
|
5月前
|
达摩院 安全 Anolis
Anolis OS 23 架构支持家族新成员:Anolis OS 23.3 版本及 RISC-V 预览版发布
Anolis OS 23.3在保障基础功能持续演进、完善安全漏洞的修复的同时,实现了对 RISC-V 的初步支持。
|
边缘计算 Kubernetes Cloud Native
恭喜我的同事黄玉奇入选开放原子开源基金会TOC
近日,开放原子开源基金会技术监督委员会(TOC)举行第 32 次例会。经过投票,阿里云云原生应用平台高级技术专家黄玉奇正式当选为开放原子开源基金会 TOC 成员。
恭喜我的同事黄玉奇入选开放原子开源基金会TOC
|
消息中间件 运维 安全
后端开发中的微服务架构实践与挑战####
在数字化转型的浪潮中,微服务架构凭借其高度的灵活性和可扩展性,成为众多企业重构后端系统的首选方案。本文将深入探讨微服务的核心概念、设计原则、关键技术选型及在实际项目实施过程中面临的挑战与解决方案,旨在为开发者提供一套实用的微服务架构落地指南。我们将从理论框架出发,逐步深入至技术细节,最终通过案例分析,揭示如何在复杂业务场景下有效应用微服务,提升系统的整体性能与稳定性。 ####
243 32
|
12月前
|
人工智能 自然语言处理 异构计算
无问芯穹提出混合稀疏注意力方案MoA,加速长文本生成,实现最高8倍吞吐率提升
无问芯穹团队提出Mixture of Attention(MoA)方案,通过自动调整不同注意力头和层的稀疏注意力配置,解决大型语言模型(LLM)处理长文本时的内存和吞吐量需求问题。MoA能够显著增加有效上下文长度,提升检索准确性和解码吞吐量,减少GPU内存使用。实验结果表明,MoA在多个模型上表现出色,但构建和探索搜索空间仍需大量计算资源。
278 15
|
资源调度 调度 混合部署
Koordinator 助力云原生应用性能提升,小红书混部技术实践
本文基于 2023 云栖大会上关于 Koordinator 分享的实录,介绍小红书通过规模化落地混部技术来大幅提升集群资源效能,降低业务资源成本。
|
运维 Cloud Native 关系型数据库
活动回顾|阿里云 Serverless 技术实战与创新成都站回放&PPT下载
7月29日“阿里云 Serverless 技术实战与创新”成都站圆满落幕。可免费下载成都站|阿里云 Serverless 沙龙演讲 PPT。