kubectl-ai:K8S资源清单的GPT助手

简介: kubectl-ai:K8S资源清单的GPT助手

琦彦,在 **云原生百宝箱 **公众号等你,与你一起探讨应用迁移,GitOps,二次开发,解决方案,CNCF生态,及生活况味。

kubectl-ai 项目是一个kubectl使用 OpenAI GPT 生成和应用 Kubernetes 清单的插件。

安装kubectl-ai

brew方式

添加以brew点击并安装:

brew tap sozercan/kubectl-ai https://github.com/sozercan/kubectl-ai
brew install kubectl-ai

Krew方式

krew索引添加kubectl-ai并安装:

kubectl krew index add kubectl-ai https://github.com/sozercan/kubectl-ai
kubectl krew install kubectl-ai/kubectl-ai

执行过程如下

# krew索引添加kubectl-ai 
$ kubectl krew index add kubectl-ai https://github.com/sozercan/kubectl-ai
WARNING: You have added a new index from "https://github.com/sozercan/kubectl-ai"
The plugins in this index are not audited for security by the Krew maintainers.
Install them at your own risk.
# krew安装kubectl-ai 
$  kubectl krew install kubectl-ai/kubectl-ai
Updated the local copy of plugin index.
Updated the local copy of plugin index "kubectl-ai".
Installing plugin: kubectl-ai
Installed plugin: kubectl-ai
\
 | Use this plugin:
 |  kubectl kubectl-ai
 | Caveats:
 | \
 |  | This plugin requires an OpenAI key.
 | /
/

二进制方式

  • 从GitHub releases下载二进制文件。
  • 如果你想将其用作kubectl插件,请将kubectl-ai二进制文件复制拷贝到你的PATH文件夹。如果不需要将其用作kubectl插件,你也可以独立使用kubectl-ai二进制文件。

配置kubectl-ai

先决条件

kubectl-ai需要OpenAI API密钥,或者Azure OpenAI服务的API密钥和端点,以及有效的Kubernetes配置。

对于 OpenAI 和 Azure OpenAI,你可以使用以下环境变量:

export OPENAI_API_KEY=<your OpenAI key>
export OPENAI_API_KEY=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
export OPENAI_DEPLOYMENT_NAME=<your OpenAI deployment/model name. defaults to "gpt-3.5-turbo">

支持以下OpenAI模型:

  • code-davinci-002
  • text-davinci-003
  • gpt-3.5-turbo-0301(Azure须命名为gpt-35-turbo-0301
  • gpt-3.5-turbo
  • gpt-35-turbo-0301
  • gpt-4-0314
  • gpt-4-32k-0314

对于 Azure OpenAI 服务,你可以使用以下环境变量:

export AZURE_OPENAI_ENDPOINT=<your Azure OpenAI endpoint, like "https://my-aoi-endpoint.openai.azure.com">

如果设置了AZURE_OPENAI_ENDPOINT变量,则将使用Azure OpenAI服务。否则,它将使用OpenAI API。

标志和环境变量

  • 可以设置-require-confirmation标志,或者REQUIRE_CONFIRMATION环境变量,以在应用清单之前提示用户进行确认。默认为true。
  • 可以将-temperature标志,或者TEMPERATURE环境变量设置在0到1之间。较高的temperature将会生成更创意性的结果。较低的temperature表示将会生成更确定性的结果。默认为0。

使用kubectl-ai

创建指定值的资源清单

Deployment 是 Kubernetes 中一种用于管理 pod 副本数量和升级的资源类型。Deployment 通过创建 ReplicaSet 控制 pod 的副本数,并提供了滚动更新功能,可以实现无宕机升级。

首先,我们发出create an nginx deployment with 3 replicas指令,

$ kubectl kubectl-ai "create an nginx deployment with 3 replicas ,and create an servie"
✨ Attempting to apply the following manifest:
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
spec:
  replicas: 3
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.7.9
        ports:
        - containerPort: 80
---
apiVersion: v1
kind: Service
metadata:
  name: nginx-service
spec:
  selector:
    app: nginx
  ports:
  - protocol: TCP
    port: 80
    targetPort: 80
Use the arrow keys to navigate: ↓ ↑ → ← 
? Would you like to apply this? [Reprompt/Apply/Don't Apply]: 
+   Reprompt
  ▸ Apply
    Don't Apply

这时候我们看到最后的提示Would you like to apply this?,表示你想应用这个资源清单吗?一共有三个选项

  • Reprompt:重新提示以修改资源清单
  • Apply :直接应用这个资源清单
  • Don’t Apply:不应用资源清单

通过上下箭头,我们可以切换选择响应的选项,并通过执行回车键来执行。

重新提示以修改你的资源清单

...   
$ Reprompt: update to 5 replicas and port 6080 and Service type is NodePort
✨ Attempting to apply the following manifest:
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
spec:
  replicas: 5
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.7.9
        ports:
        - containerPort: 80
---
apiVersion: v1
kind: Service
metadata:
  name: nginx-service
spec:
  type: NodePort
  ports:
  - port: 6080
    targetPort: 80
  selector:
    app: nginx
  sessionAffinity: None
Use the arrow keys to navigate: ↓ ↑ → ← 
? Would you like to apply this? [Reprompt/Apply/Don't Apply]: 
+   Reprompt
  ▸ Apply
    Don't Apply

执行成功的提示如下

✔ Apply

如果执行失败,可能提示如下。笔者这里之前允许过一个同名的nginx-deployment资源,与kubectl-ai生成的资源清单有冲突,所以提示如下。

✔ Apply
Error: Apply failed with 2 conflicts: conflicts with "kubectl-client-side-apply" using apps/v1:
- .spec.replicas
- .spec.template.spec.containers[name="nginx"].image

验证资源状态

kubectl get all -owide
NAME                                    READY   STATUS    RESTARTS   AGE     IP             NODE       NOMINATED NODE   READINESS GATES
pod/nginx-deployment-5d59d67564-9hxsx   1/1     Running   0          6m14s   10.244.39.38   master-1   <none>           <none>
pod/nginx-deployment-5d59d67564-k7jr2   1/1     Running   0          6m14s   10.244.39.59   master-1   <none>           <none>
pod/nginx-deployment-5d59d67564-n4pw4   1/1     Running   0          6m14s   10.244.39.35   master-1   <none>           <none>
pod/nginx-deployment-5d59d67564-s8z8v   1/1     Running   0          6m14s   10.244.39.23   master-1   <none>           <none>
pod/nginx-deployment-5d59d67564-zw6nw   1/1     Running   0          6m14s   10.244.39.51   master-1   <none>           <none>
NAME                     TYPE        CLUSTER-IP       EXTERNAL-IP   PORT(S)          AGE     SELECTOR
service/kubernetes       ClusterIP   10.96.0.1        <none>        443/TCP          290d    <none>
service/nginx-service    NodePort    10.102.192.38    <none>        6080:30562/TCP   6m13s   app=nginx
NAME                               READY   UP-TO-DATE   AVAILABLE   AGE     CONTAINERS       IMAGES               SELECTOR
deployment.apps/nginx-deployment   5/5     5            5           6m14s   nginx            nginx:1.7.9          app=nginx
NAME                                          DESIRED   CURRENT   READY   AGE     CONTAINERS       IMAGES               SELECTOR
replicaset.apps/nginx-deployment-5d59d67564   5         5         5       6m14s   nginx            nginx:1.7.9          app=nginx,pod-template-hash=5d59d67564

验证nginx服务是否正常

$ curl 10.102.192.38:6080
<!DOCTYPE html>
<html>
<head>
<title>Welcome to nginx!</title>
<style>
    body {
        width: 35em;
        margin: 0 auto;
        font-family: Tahoma, Verdana, Arial, sans-serif;
    }
</style>
</head>
<body>
<h1>Welcome to nginx!</h1>
<p>If you see this page, the nginx web server is successfully installed and
working. Further configuration is required.</p>
<p>For online documentation and support please refer to
<a href="http://nginx.org/">nginx.org</a>.<br/>
Commercial support is available at
<a href="http://nginx.com/">nginx.com</a>.</p>
<p><em>Thank you for using nginx.</em></p>
</body>
</html>

输出了Thank you for using nginx.,表示服务是正常的。

一次创建多个对象

$ kubectl ai "create a foo namespace then create nginx pod in that namespace"
✨ Attempting to apply the following manifest:
apiVersion: v1
kind: Namespace
metadata:
  name: foo
---
apiVersion: v1
kind: Pod
metadata:
  name: nginx
  namespace: foo
spec:
  containers:
  - name: nginx
    image: nginx:latest
Use the arrow keys to navigate: ↓ ↑ → ←
? Would you like to apply this? [Reprompt/Apply/Don't Apply]:
+   Reprompt
  ▸ Apply
    Don't Apply

--require-confirmation标志

$ kubectl ai "create a service with type LoadBalancer with selector as 'app:nginx'" --require-confirmation=false
✨ Attempting to apply the following manifest:
apiVersion: v1
kind: Service
metadata:
  name: nginx-service
spec:
  selector:
    app: nginx
  ports:
  - port: 80
    targetPort: 80
  type: LoadBalancer

请注意,插件还不知道集群的当前状态,所以它总是会生成完整的清单。

——————————————————————————————————————————————————————————————————————————————————————————————

琦彦,在 **云原生百宝箱 **公众号等你,与你一起探讨应用迁移,GitOps,二次开发,解决方案,CNCF生态,及生活况味。

参考

[1] kubectl-ai GitHub Repo

[2] DevOps Use Cases for AI-Assisted Kubernetes

相关实践学习
深入解析Docker容器化技术
Docker是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。Docker是世界领先的软件容器平台。开发人员利用Docker可以消除协作编码时“在我的机器上可正常工作”的问题。运维人员利用Docker可以在隔离容器中并行运行和管理应用,获得更好的计算密度。企业利用Docker可以构建敏捷的软件交付管道,以更快的速度、更高的安全性和可靠的信誉为Linux和Windows Server应用发布新功能。 在本套课程中,我们将全面的讲解Docker技术栈,从环境安装到容器、镜像操作以及生产环境如何部署开发的微服务应用。本课程由黑马程序员提供。 &nbsp; &nbsp; 相关的阿里云产品:容器服务 ACK 容器服务 Kubernetes 版(简称 ACK)提供高性能可伸缩的容器应用管理能力,支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力,打造云端最佳容器化应用运行环境。 了解产品详情: https://www.aliyun.com/product/kubernetes
相关文章
|
4月前
|
存储 人工智能 Kubernetes
AI 场景深度优化!K8s 集群 OSSFS 2.0 存储卷全面升级,高效访问 OSS 数据
阿里云对象存储OSS是一款海量、安全、低成本、高可靠的云存储服务,是用户在云上存储的高性价比选择…
|
3月前
|
存储 人工智能 云计算
挑战杯专属支持资源|阿里云-AI大模型算力及实验资源丨云工开物
阿里云发起的“云工开物”高校支持计划,助力AI时代人才培养与科研创新。为“挑战杯”参赛选手提供专属算力资源、AI模型平台及学习训练资源,包括300元免费算力券、百炼大模型服务、PAI-ArtLab设计平台等,帮助学生快速掌握AI技能并构建优秀作品,推动产学研融合发展。访问链接领取资源:https://university.aliyun.com/action/tiaozhanbei。
|
7月前
|
存储 Kubernetes 对象存储
部署DeepSeek但GPU不足,ACK One注册集群助力解决IDC GPU资源不足
借助阿里云ACK One注册集群,充分利用阿里云强大ACS GPU算力,实现DeepSeek推理模型高效部署。
|
4月前
|
存储 人工智能 测试技术
AI 场景深度优化!K8s 集群 OSSFS 2.0 存储卷全面升级,高效访问 OSS 数据
OSSFS 2.0通过轻量化协议设计、协程化技术及FUSE3低级API重构,实现大文件顺序读写与小文件高并发加载的显著提升,在实际测试中表现出高达数十倍的吞吐量增长。适用于机器学习训练、推理等对高带宽低延迟要求严苛的场景,同时支持静态和动态挂载方式,方便用户在ACK集群中部署使用。
421 34
|
2月前
|
人工智能 开发者
AI-Compass宝藏资源库:构建最全面的AI学习
AI-Compass宝藏资源库:构建最全面的AI学习
|
3月前
|
人工智能 IDE 算法
通义灵码 AI IDE 上线!智能体+MCP 从手动调用工具过渡到“AI 主动调度资源”
编程智能体与 MCP 的结合,不只是“工具+助手”,而是一次范式上的跃迁——从“手动调用工具”过渡到“AI 主动调度资源”。
|
6月前
|
人工智能 分布式计算 调度
打破资源边界、告别资源浪费:ACK One 多集群Spark和AI作业调度
ACK One多集群Spark作业调度,可以帮助您在不影响集群中正在运行的在线业务的前提下,打破资源边界,根据各集群实际剩余资源来进行调度,最大化您多集群中闲置资源的利用率。

热门文章

最新文章

推荐镜像

更多