云原生日报 2026-09-19
早上好,各位技术同学 ☕ 今天为大家精选了云原生领域的最新动态和几篇干货教程,一起看看 👇
🔥 云原生热点
1. Kor CLI — 一键找出集群里没人用的 Kubernetes 资源
Kor 是一个用 Go 编写的开源 CLI 工具,用于自动发现集群中长期未被使用的 Kubernetes 资源,覆盖 ConfigMap、Secret、Service、PVC、PV、CRD、NetworkPolicy、ClusterRole 等二十余种对象。它提供按资源类型细分的子命令与 all 汇总模式,支持 brew、krew、Docker、Helm 等多种安装方式,也能以 CronJob 形式定时巡检并推送 Slack 通知,或作为 Deployment 常驻暴露 Prometheus 指标。 对国内做成本治理和集群巡检的团队来说,这类闲置资源扫描工具比想象中更实用——多租户集群里大量 PVC、Ingress、ClusterRole 的僵尸残留,往往是账单居高不下的隐形来源。 Kor 的价值在于把判定逻辑显式化并可编排进定时任务,输出能直接对接 FinOps 流程,而不是只给一张静态报表。 需要注意它的 unused 判定依赖标签选择器与引用关系推导,对通过 Operator 或外部 DNS 间接引用的资源存在误报,上线前建议先在非生产集群比对人工盘点结果。 🔗 https://github.com/yonahd/kor
2. Beyond Native Kubernetes Scheduling:为什么 AI 基础设施需要 Volcano
文章剖析了原生 kube-scheduler 逐 Pod 调度在分布式 AI 训练场景下的结构性缺陷:当作业所需 GPU 无法一次性满足时,会出现多个作业各持半数资源、互相等待的资源死锁。作者以此为切入点介绍 CNCF 项目 Volcano(源自华为),重点讲解其基于 PodGroup 与 minAvailable 的 gang scheduling(全有或全无)机制,以及 Scheduler、ControllerManager、Admission Controller 三段式架构与插件化调度流水线。 gang scheduling 是把 Kubernetes 改造成 AI 训练平台的入门必修课,这篇文章把「为什么会死锁」讲得比多数官方文档更直白,适合作为内部技术分享的引子。 真正的工程难点在于 Volcano 与默认调度器长期并存的排产策略:哪些负载走 batch 队列、Queue 的层级配额怎么切、抢占(preemption)开启后会不会伤到在线业务,这些文章点到但没深挖。 国内做 GPU 平台的团队如果还在用裸 kube-scheduler 跑 PyTorch 多机任务,建议先跑一轮 gang scheduling 的 POC 再决定是否引入全量 Volcano。 🔗 https://sagar-parmar.medium.com/beyond-native-kubernetes-scheduling-why-volcano-is-the-missing-piece-in-your-ai-infrastructure-ccc426b3351b
3. 单个机柜到底能跑多少个 Agent?答案不在 GPU 身上
文章围绕英特尔一份白皮书展开,指出 Agent 负载的性能瓶颈并不在 GPU:单轮 Agent 任务中模型调用仅占约 40%,剩余 60% 落在主机 CPU 上,其中工具执行(沙箱)就占 35%。基于对 739 次匿名 Claude Code 对话的实测,作者给出关键数据——单请求时主机 CPU 仅占总延迟不到 1%,并发到 32 会话时升至 11%~15%,且其中约 94% 来自调度与排队而非真实计算,GPU 实际有效工作率只有 50%~60%。 这篇把「Agent 时代的容量规划」从芯片参数比拼拉回到系统转换效率,其公式(理论容量 × 调度有效性 × 资源平衡度 × 计算卸载效益)本身就是很好的评估框架,值得平台团队直接拿去做容量评审的 checklist。 对国内自建 Agent 推理平台的团队,最有操作性的三点是:沙箱快照的压缩解压必须卸载(IAA 类加速器实测降延 38%~42%)、KV Cache 的驻留要靠 CXL/大内存而非一味加带宽、以及别再用单请求延迟报容量,要报「某 p99 目标下能稳定承载多少并发」。 文章带有明显的厂商立场(结论都在往至强上引),数据本身有参考价值,但选型时仍需用自己的工作负载复测膝点位置。 🔗 https://www.infoq.cn/article/brH7TRcHB9evl32KQJkY
📖 教程推荐
1. Kubernetes + GitOps from Scratch:ArgoCD、HPA 与 Karpenter 实战
作者以自身补习 Kubernetes/GitOps 的学习项目为蓝本,给出了一份完全在本地 minikube 上跑通的端到端实战指南:先用 Go 微服务(scratch 镜像仅 12MB)手写 Namespace/ConfigMap/Deployment/Service/Ingress,再引入 ArgoCD 的 App of Apps 模式做 GitOps 托管。文章强调源码仓与清单仓分离以避免 CI 自触发死循环,并覆盖 GitHub Actions 构建推镜像、HPA 按 CPU 自动伸缩,以及 Karpenter 节点级弹性伸缩的概念铺垫。 作为入门教程,它的顺序设计很讲究——先手写所有 manifests 再交给 ArgoCD 托管,这个过程能让人真正理解「声明式」到底声明了什么,比一上来就抄 Helm chart 强。 两个仓库拆分(build/deploy 分离)和 requests/limits 与 HPA 目标值的关系这两处讲得很接地气,是新人最容易踩的坑。 不过 Karpenter 部分只停留在概念介绍,且全程基于 minikube,从本地 lab 迁移到真实 EKS 时的节点池、IRSA、镜像仓库鉴权差异需要另找材料补齐。 🔗 https://medium.com/@mahir_35414/kubernetes-gitops-from-scratch-a-hands-on-guide-with-argocd-hpa-and-karpenter-3188a99c7647
2. 用 AKS + KEDA 搭建容器化的自托管 Azure DevOps Agent
这是一份把 Azure DevOps 自托管 Agent 全面容器化的实践记录:作者用 AKS 承载 KEDA 驱动的临时 Agent,KEDA 监控 pipeline 队列长度动态创建 Kubernetes Job,任务结束即销毁,从而消除闲置 VM 成本与长期驻留 Agent 的状态污染。密钥方面通过 External Secrets Operator 把 Azure Key Vault 中的 AZP_URL、AZP_POOL、AZP_TOKEN 同步为 Kubernetes Secret,Agent 镜像内含构建工具链与自动注册脚本,由 run.sh --once 保证单次执行后退出。
「队列长度驱动 + 一次性 Agent」是 CI Runner 弹性化最成熟的范式,这套 AKS + KEDA + ESO + Key Vault 的组合几乎可以照搬到任何 K8s 上托管的 GitLab Runner / Jenkins Agent 场景,思路完全通用。
值得留意的是文中 Agent 以 PAT 注册并执行 run.sh --once,这种模式对构建缓存不利,实际落地通常要外挂缓存卷或走远端缓存,否则每次冷启动的依赖拉取会吃掉弹性伸缩的收益。
另外脚本中 echo "agent ALL=(ALL) NOPAASSWD:ALL" 存在拼写错误(应为 NOPASSWD),照抄会导致 sudo 免密失效——这正是教程类内容必须交叉验证的典型例子。
🔗 https://haresh-v.hashnode.dev/containerized-self-hosted-ado-agents-using-aks-and-keda
以上内容均已附原文链接,欢迎留言交流你的看法 💬