?譯者 | 布加迪

策劃 | 云昭

Kubernetes是如今最知名最流行的容器編排引擎。Kubernetes之所以成為云原生計算的中心，是由于它是開源的，還有一個快速增長的生態(tài)系統(tǒng)。如果我們觀察它在過去幾年的發(fā)展和采用趨勢，尤其是在云原生世界方面，就會發(fā)現(xiàn)它不僅僅是一種容器編排工具。它已經不再是一種容器編排引擎，現(xiàn)在是下一代云原生生態(tài)系統(tǒng)的主要構建模塊。

開發(fā)人員正在試用Kubernetes，絕不僅僅將其當成容器管理器。本文討論它在開源社區(qū)中幾個已確立的企業(yè)模式和流行用例。

一、Kubernetes作為無服務器計算的服務器

Kubernetes方面有經驗的企業(yè)已認識到Kubernetes作為“無服務器的服務器”平臺具有的全部潛力。無服務器現(xiàn)在因Kubernetes而被重新定義，而Knative最近由CNCF（Kubernetes的監(jiān)管組織）推出，將Kubernetes抽象為無服務器計算。Knative的核心由三個模塊組成：

1. Build—從源代碼構建映像。

2. Serving—在Kubernetes集群上部署功能（映像構建），并映射擴展和路由等。

3. Eventing—用servicing映射事件和消息攝取。

就像面向Kubernetes的kubectl一樣，kn是終端上新的命令，用于在Kubernetes上啟用函數(shù)即服務（FaaS）。它將容器映像作為構建模塊，在Kubernetes上處理一切。Kubernetes作為一個無服務器平臺在加快其在企業(yè)界的采用；然而，同類產品（比如AWS Lambda、Cloud Functions和Azure Functions）仍然依賴供應商鎖定（即部署到各自的云上它們才管用）。

Kubernetes解決一些現(xiàn)有的挑戰(zhàn)，比如工件大小的限制、法規(guī)遵從、數(shù)據(jù)主權和企業(yè)內部的細粒度控制。Kubernetes上的無服務器Knative與傳統(tǒng)Kubernetes之間的主要架構差異來自額外的抽象層。作為無服務器的Kubernetes消除了重復的配置和構建任務。

圖1

Kubernetes上的無服務（Kubernetes集群概況圖）

Knative充當無服務器和事件驅動平臺

Knative是Kubernetes生態(tài)系統(tǒng)的新成員，它有望顛覆構建基于事件的架構的無服務器選項?！皵U展到零”、“從零擴展”和集群內構建等功能使Kubernetes成為一種全面的無服務器平臺。

二、Kubernetes作為大數(shù)據(jù)和機器學習平臺

Kubernetes被視為數(shù)據(jù)科學和機器學習技術堆棧當中的大數(shù)據(jù)處理和有狀態(tài)數(shù)據(jù)服務平臺，并被廣泛采用。它抽象了底層基礎架構，優(yōu)化了彈性計算的配置，在底層將GPU和CPU結合起來。Kubernetes非常適合機器學習，因為它本身就具備機器學習需要的所有調度和可擴展性。

與傳統(tǒng)的數(shù)據(jù)集群環(huán)境相比，容器和Kubernetes組合在構建大數(shù)據(jù)軟件時功能強大且靈活，傳統(tǒng)的數(shù)據(jù)集群環(huán)境面臨分布式集群管理的復雜性和計算規(guī)模開銷。Kubernetes利用按需提供的GPU和CPU計算來改善大數(shù)據(jù)和機器學習處理。Kubernetes可以提供GPU加速計算和網絡解決方案，以便在邊緣運行機器學習和NLP處理。運行在協(xié)處理器上的Kubernetes正成為未來計算的重要部分。其動態(tài)資源利用的特性有利于數(shù)據(jù)科學工作負載，而訓練模型或特征工程需求可以非常迅速地增減。

圖2

基于Kubernetes的大數(shù)據(jù)和機器學習集群

用于機器學習處理的按需可擴展協(xié)處理器

KubeFlow、Spark、Hadoop、PyTorch和TensorFlow等框架現(xiàn)都在采用容器。有狀態(tài)MLOps廣泛采用容器和Kubernetes來啟用多個集群，處理大型訓練集和測試集，并存儲學到的模型。為了簡化數(shù)據(jù)建?？蚣艿奶幚?，一種選擇是Kubeflow，這是一種面向Kubernetes的開源機器學習工具包，可以運行聲明式的可配置作業(yè)。

Kubeflow對運行在Kubernetes上的復雜的大數(shù)據(jù)和機器學習管道進行抽象和編排。機器學習管道底層的Kubernetes是MLOps的骨干。它使得數(shù)據(jù)科學家和機器學習工程師很容易利用混合云（公共云或本地環(huán)境）來處理彈性和可擴展性。Kubernetes能夠構建一個中立的大數(shù)據(jù)平臺，避免云管理服務被供應商鎖定。

三、Kubernetes作為企業(yè)混合和多云集群的聯(lián)合體

Kubernetes與基礎架構無關，企業(yè)利用它來實現(xiàn)復雜的基于容器的集群聯(lián)合。Kubernetes有助于將混合或多云環(huán)境合并到單一平臺中，從而獲得明顯的好處。

托管服務不是解決所有問題的方案。公共云和私有主權云的便利性之間總是需要兼顧。Kubernetes被認為是這方面的解決之道，因為它支持多云訪問，可以跨基于行業(yè)標準的API （Kubernetes接口）無縫交付應用程序。它通過將私有云和公共云集成抽象為單一聯(lián)合平臺，有助于企業(yè)借助Kubernetes實現(xiàn)法規(guī)遵從。

企業(yè)利用Kubernetes提供混合和多云集群方面的靈活性，從而避免供應商鎖定。當前基于云的架構模式如何采用Kubernetes值得拭目以待?；谠频钠髽I(yè)以及開源社區(qū)已意識到，Kubernetes不僅僅是一種容器管理工具?，F(xiàn)在很顯然，Kubernetes是一種完整的平臺，可以為在混合云或多云模式上運行的應用程序管理生命周期。

Kubernetes作為平臺即服務（PaaS）被廣泛采用。然而在早期，Kubernetes的官方文檔提到它是容器即服務（CaaS）。最近，人們觀察到Kubernetes的采用模式和使用已遠遠超出了CaaS，因此更新后的文檔稱Kubernetes是下一代PaaS。

Kubernetes是新時代的PaaS，意味著：

• Kubernetes結合超融合基礎架構（HCI）是一種新的私有或混合云替代方案。它讓企業(yè)可以全面控制服務，并遵從監(jiān)管法規(guī)。
• Kubernetes使企業(yè)能夠實現(xiàn)單一的抽象和簡化型平臺，以便在混合和多云環(huán)境上操作SRE、DevOps和DevSecOps。

圖3

Kubernetes作為新一代PaaS

混合和多云容器聯(lián)合作為新一代PaaS

四、結論

大型組織通常不愿意將平臺控制權交給AWS Lambda、AWS Fargate或Azure Functions等。Kubernetes已成為一種事實上的選擇，它集兩者之所長：控制性和本地穩(wěn)健性，以及來自聲明式容器化生態(tài)系統(tǒng)的云原生計算彈性、可擴展性和彈性。Kubernetes結合Helm（IaC）、Grafana（遙測儀表板和警報）以及Prometheus（度量指標獲取器）等開源工具，使其成為支持DevOps、對SRE友好的企業(yè)生態(tài)系統(tǒng)的完美組成部分。

數(shù)據(jù)科學和機器學習企業(yè)在加快采用Kubernetes作為大數(shù)據(jù)處理平臺。最近，機器學習和大數(shù)據(jù)框架正變得容器化，這使得Kubernetes成為底層數(shù)據(jù)集群和建模生態(tài)系統(tǒng)的首選。備受青睞的特性還包括Kubernetes抽象彈性GPU和CPU，以及按需可擴展和狀態(tài)性。

Knative之類的Kubernetes抽象框架將Kubernetes帶到了另一個層面。Kubernetes正在成為無服務器架構的新服務器，而且勢頭正猛。它正在為AWS Fargate和OpenShift提供開源替代方案。Kubernetes已被賦予了多種新的角色，而不僅僅“只是”一種容器編排工具。

原文鏈接：https://dzone.com/articles/kubernetes-beyond-container-orchestration