解读 Knative v0.13.0版本特性

本文涉及的产品
容器镜像服务 ACR,镜像仓库100个 不限时长
简介: Knative Eventing v0.13.0 发布了,猜一下这个版本有没有惊喜特性,本文给你带来解读。

前言

针对 Knative Eventing v0.13.0 版本对这些新功能特性进行解读,让你快速对 v0.13.0 版本有所了解。

新特性

v1beta1 版本

从 v0.13.0 开始引入了 v1beta1 版本,包括如下资源: Broker, Trigger, Channel, Subscription, Sequence, Parallel, EventType, InMemoryChannel

支持通过configmap配置event dispatch 策略

之前通过event dispatch 转发事件时,默认超时时间是1分钟,并且是默认设置不能配置,显然在某些长时间请求的情况下1分钟不够。在v0.13.版本中,支持通过configmap配置相关的策略,包括超时时间,MaxIdleConns等

新增 PingSource 资源

其实是将原来的 CronJobSource 改名了,以与k8s 中的CronJob进行区分。

in-mem channel 事件分发作用范围

in-mem channel 支持通过 eventing.knative.dev/scope: namespace 注释来判断 In-memory dispatcher 是否部署在相同的命名空间中

HA支持

Knative 从0.13.0版本开始对核心的controller提供 HA 支持(包括Serving),Knative Eventing 中可以通过 config-leader-election configmap进行配置。

kind: ConfigMap
metadata:
  name: config-leader-election
  namespace: knative-eventing
  labels:
    eventing.knative.dev/release: "v0.13.0"
data:
  # An inactive but valid configuration follows; see example.
  resourceLock: "leases"
  leaseDuration: "15s"
  renewDeadline: "10s"
  retryPeriod: "2s"
  _example: |
    ################################
    #                              #
    #    EXAMPLE CONFIGURATION     #
    #                              #
    ################################

    # This block is not actually functional configuration,
    # but serves to illustrate the available configuration
    # options and document them in a way that is accessible
    # to users that `kubectl edit` this config map.
    #
    # These sample configuration options may be copied out of
    # this example block and unindented to be in the data block
    # to actually change the configuration.

    # resourceLock controls which API resource is used as the basis for the
    # leader election lock. Valid values are:
    #
    # - leases -> use the coordination API
    # - configmaps -> use configmaps
    # - endpoints -> use endpoints
    resourceLock: "leases"

    # leaseDuration is how long non-leaders will wait to try to acquire the
    # lock; 15 seconds is the value used by core kubernetes controllers.
    leaseDuration: "15s"
    # renewDeadline is how long a leader will try to renew the lease before
    # giving up; 10 seconds is the value used by core kubernetes controllers.
    renewDeadline: "10s"
    # retryPeriod is how long the leader election client waits between tries of
    # actions; 2 seconds is the value used by core kuberntes controllers.
    retryPeriod: "2s"
    # enabledComponents is a comma-delimited list of component names for which
    # leader election is enabled. Valid values are:
    #
    # - controller
    # - broker-controller
    # - inmemorychannel-dispatcher
    # - inmemorychannel-controller
    enabledComponents: "controller"

其它关键信息

  • 设置 Broker Filter/Ingress pods 默认 Prometheus Port: 9092
  • 在Broker中支持通过configmap 配置 Channel

总结

个人认为本次 Knative Eventing v0.13.0 版本最大的惊喜是支持了组件的 HA 部署,极大的提高了生产可用性。相信接下来社区会继续完善可用性方面的功能。欢迎对 Knative 有兴趣的一起交流。

欢迎加入 Knative 交流群

image

目录
相关文章
|
存储 弹性计算 安全
医保行业 | 智慧医保
本文介绍了医保行业 | 智慧医保的方案概述,方案价值及优势以及最佳实践。
医保行业 | 智慧医保
|
数据可视化 安全 数据安全/隐私保护
使用Python做个可视化的“剪刀石头布”小游戏
使用Python做个可视化的“剪刀石头布”小游戏
399 0
|
小程序 数据安全/隐私保护 Android开发
八米云-N1盒子、机顶盒等设备-小白保姆式超详细刷机教程
这里以魔百盒CM211-1为例,本次刷机用到的零碎工具比较多,不过都是常见刚需设备,大家可以按照清单核对一下。 目前只支持S905 L3、L3a、L2 系列的各种盒子
1854 1
八米云-N1盒子、机顶盒等设备-小白保姆式超详细刷机教程
|
中间件 消息中间件 监控
中间件技术栈兼容性
【6月更文挑战第1天】
228 5
|
10月前
|
Oracle Ubuntu 关系型数据库
linux发行版对比
国内部分常用开源操作系统简要对比
466 5
|
安全 API 数据安全/隐私保护
常见的HTTP请求方法
【10月更文挑战第25天】这些HTTP请求方法共同构成了客户端与服务器之间交互的基础,使得客户端能够根据不同的需求对服务器资源进行各种操作。在实际应用中,开发者需要根据具体的业务场景和资源的性质选择合适的请求方法来实现客户端与服务器之间的有效通信。
|
缓存 前端开发 API
探索PWA(Progressive Web Apps)的无限可能
探索PWA(Progressive Web Apps)的无限可能
658 8
|
存储 移动开发 定位技术
HTML5 Geolocation(地理定位)优化到最高精度
HTML5 Geolocation API 可让网页访问用户的地理位置信息。为优化地理定位精度,需考虑设备、浏览器设置、网络状况及编码实现。使用 `enableHighAccuracy` 选项请求高精度,并确保设备开启 GPS,网络良好。结合多种数据源(如 GPS、Wi-Fi)可提高准确性。利用 `watchPosition` 定期更新位置,并妥善处理定位错误。务必遵循用户隐私原则,获取同意并遵守相关法规。这样可有效提升地理定位的精度与用户体验。
|
机器学习/深度学习 人工智能 算法
在 AI Native 环境中实现自动超参数优化的微调方法
【8月更文第1天】随着人工智能技术的不断发展,深度学习模型的训练变得越来越复杂。为了达到最佳性能,需要对模型进行微调,特别是对超参数的选择。本文将探讨如何在 AI Native 环境下使用自动化工具和技术来优化模型的微调过程。
569 5