云原生日报 2026-10-16

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. Istio 1.31 拥抱 AI 智能体,却先宣布"告别"Google Cloud

Istio 1.31 在 ambient 模式下引入 agentgateway 作为七层 waypoint,原生支持 AI 智能体流量与 MCP 协议。同时宣布停止 Google Cloud 镜像托管,要求团队在 12 月前完成 gcr.io/istio-release 等仓库迁移,并配套 canary waypoint 灰度、zoneAwareLbSetting、ALLOW_ANY_DYNAMIC_DNS、FIPS 140-3 与 trustDomains 等新特性。

这是 Istio 战略转向的清晰信号——AI 智能体流量(agentgateway + MCP)已成为新焦点,Kubernetes 网络层正式进入 AI 时代。

仍在用现有 gcr.io/istio-release 仓库的团队务必尽快核对镜像源和签名密钥轮换(istio-key.pub → istio-key-v2.pub),避免 12 月断供时被打个措手不及。

canary waypoint 虽在 Alpha,但其基于 use-waypoint-canary 标签+权重的灰度机制和传统 mesh 的 traffic split 思路完全不同,建议提前在测试集群演练。

🔗 https://www.infoq.cn/article/JxVNJwhmsB1YYKmgD9KU

2. K8s on AWS 上的 DNS 三大怪现象:ndots、NodeLocal、ENI 包速率上限

文章聚焦 Kubernetes on AWS 上 DNS 行为的三个反直觉概念:Kubernetes 默认 ndots:5 导致外部域名解析常常触发 5 次查询(多数 NXDOMAIN),NodeLocal DNS 作为可选的 per-node 缓存层可以显著降低跨节点查询,EC2 每个 ENI 的 DNS 包速率上限则是隐藏的硬性瓶颈。

ndots:5 对集群内服务发现很贴心,但所有要解析外网的服务都掉进同一个坑——建议在 helm chart 里把业务 pod 的 ndots 显式设为 1,这一行配置就能砍掉 80% 的无效 DNS 查询噪音。

NodeLocal DNS 在中等规模集群就该默认打开,CoreDNS QPS 和查询延迟同时受益,只需注意 IPv6 双栈场景下需要额外配置。

ENI 包速率上限是最阴险的隐性瓶颈,普通监控根本看不出来——强烈建议把 node-local-dns 当成必装而非可选项,否则在高并发事件里会直接撞墙。

🔗 https://dev.to/harishteens/dns-is-weird-inside-k8s-on-aws-570c

3. 5 条 Kyverno 策略守住 K8s 集群基线安全(含 image 签名验证)

文章从生产实践出发,演示 5 条 Kyverno 策略:要求 CPU/内存 requests/limits、禁用 :latest 标签、限制特权容器、隔离生产/非生产命名空间、image 签名验证。每条都配 YAML 实例和一个会触发的"反例"demo,直观展示策略如何在 admission webhook 层拦截违规请求。

这五条几乎覆盖了基线 K8s 安全合规的最小集,拿来当团队 internal wiki 第一课很合适——既有 enforce 模式的强约束,也有 background 扫描这类温和审计。

注意 Kyverno 1.x 起官方已将 ClusterPolicy 标记为 deprecated 并转向 CEL 表达,新集群建议直接学 CEL 写法,避免后续大量迁移成本。

原文把五条策略按难度递进排列(从基础 resources-limit 到 image 签名),对新人非常友好,是国内 K8s 安全入门博文里少有的「拿来就能跑」实战样本。

🔗 https://devarshishimpi.hashnode.dev/5-kyverno-policies-to-secure-your-kubernetes-cluster

📖 教程推荐

1. Cassandra 月费砍 2/3:把 $30K/月的托管服务迁移到 K8s 自托管

作者团队把每月 3 万美元的托管 Cassandra 迁移到自托管 K8ssandra,仅需 1 万美元,实现了 4 个 AWS 区域 12 节点跨地域部署、9 个客户端区域零停机切换。核心方案是用 NetworkTopologyStrategy + RF=3 让每个 region 持有完整数据副本,客户端通过 AWS PrivateLink 反向接入,gossip 走 VPC peering。

这是一篇非常诚实的成本优化复盘——$240K/年的节省是诱人的,但作者明确把"运维复杂度从厂商账单转移到自己团队"的隐性成本摆在桌面上,这才是真正有价值的洞察。

国内用阿里云 Lindorm 或自建 Cassandra 的团队可以重点借鉴其"延迟换成本"的设计哲学:只为热数据所在 region 保留完整副本,其余 region 接受跨 region 延迟。

PrivateLink(client fan-in)+ VPC peering(gossip mesh)的双平面隔离策略,是值得抄作业的网络方案——既避开了重叠 CIDR,又让 gossip 双向可达。

🔗 https://medium.com/@vipulsharda153/we-cut-our-cassandra-bill-from-30k-to-10k-a-month-by-self-hosting-on-kubernetes-f06ca4038f1c

2. 生产级 LLM 在线推理实战:KServe + KEDA + vLLM 全栈指南

这是一篇面向生产的 LLM 在线推理实战指南,展示如何用 KServe 作为模型感知控制面、vLLM 提供 PagedAttention 高吞吐推理、KEDA 基于事件指标(队列深度、token 吞吐、TTFT/TPOT)驱动主动扩缩容,组合替代裸跑 GPU VM。

文章清楚解释了为什么不能直接把 LLM 当 Container 跑——GPU VM 是「跑一个模型」,Kubernetes + KServe 是「运营一个 AI 推理平台」,这两件事体量完全不同。

vLLM 的 PagedAttention 已经基本成为开源 LLM 推理的事实标准,值得国内所有自研 LLM 服务的团队评估引入,比手写 custom scheduler 靠谱得多。

KEDA 替代 HPA 是这篇最有启发的点:用排队深度和 token 吞吐做主动扩缩容,而不是事后看 CPU——这套思路值得所有 AI 平台团队借鉴。

文中也提到 70B+ 模型的多 GPU 拆分,实际落地要看具体硬件兼容性与 NVLink 拓扑,这块也是实施时最容易踩坑的地方。

🔗 https://medium.com/@sowmithdurusoju/serving-llms-at-scale-a-practical-guide-with-kserve-keda-vllm-kubernetes-e93ba6b1a65e


以上内容均已附原文链接,欢迎留言交流你的看法 💬