Kubernetes

企业级AI系统需构建包含计算、存储、服务和集成的四层架构，自托管与托管模式各有权衡。

企业级AI部署需权衡托管API与自托管模型，Red Hat提供集成解决方案。

开源是防止供应商锁定的运营策略，强调基础设施代码所有权对架构主权的决定性作用，AI模型临时性与控制平面战略价值成为核心议题。

Verus通过形式化验证确保Rust代码的正确性，提升软件安全性。该工具可验证Rust unsafe代码和并发逻辑，已被Amazon和Kubernetes等项目采用。

ECK 3.5 引入动态命名空间管理、暂停编排和全栈 mTLS，提升 Kubernetes 上 Elasticsearch 的灵活性和安全性。

Kubernetes Operator通过声明式循环管理自定义资源，实现对非原生系统的自动化运维，构建过程需定义CRD并实现重同步逻辑。

HubSpot通过自研Kubernetes操作符优化Qdrant集群管理，实现200亿向量跨5大区的高效搜索服务。

云原生基础设施已成为可信代理AI的基石，Kubernetes等技术可支撑多代理系统的可观测性与弹性。

Argo CD 3.5 强化了供应链安全，新增内部 mTLS 和源完整性验证功能。

成为AI架构师需要掌握系统设计、技术选型、成本控制和治理能力，2026年对这类人才需求激增。

Google 推出 OpenRL，一个用于 LLM 微调的自托管 API，旨在简化强化学习流程并提升 GPU 利用率。

在 Kubernetes 上共享 GPU 会导致尾部延迟显著增加，尤其对低延迟任务影响更大，但调度器不会报告这些问题。

平台通过Project-as-a-Service实现自动化和标准化，提升团队效率与一致性。

本文讨论了在Kubernetes上运行Spark时，由于两个基础设施设置不当导致的内存溢出问题。这两个设置分别是：将`spark.kubernetes.local.dirs.tmpfs=true`设置为RAM-backed local scratch directories，以及使用硬`podAffinity`规则将所有executor强制放置在同一个节点上。这些设置导致shuffle spill占用节点内存而非磁盘，从而引发内存溢出问题。通过调整这些设置，可以解决此问题。

Agent 的存算分离架构通过将存储与计算解耦，实现云端 Agent 的可扩展性与安全性，关键在于使用 kv、db、向量数据库和对象存储分层管理数据，并结合 sandbox 和 serverless 模式提升效率。

作者将 OpenClaw 托管服务从自建 Kubernetes 集群（18 台 4c16g 服务器，月成本 5k 美元）迁移至 FastClaw 架构，通过存算分离实现 Agent 按需启动，服务器减少至 3 台，运营成本降至 1/6，MRR 超 8k 美元但利润低，迁移后有望盈利。

过度追求基础设施灵活性会拖慢产品交付速度，企业应优先优化实际交付能力而非理论上的灵活性。

NVIDIA 引入 Dynamo Snapshot，将 Kubernetes 上推理工作负载的启动时间从分钟缩短到不到 5 秒。

ITBench-AA 是一个针对企业级自动化 IT 任务的新基准测试，首次评估前沿模型在 Site Reliability Engineering 任务中的表现，结果显示所有前沿模型得分低于 50%，其中 Claude Opus 4.7 表现最佳，为 47%。

Daytona's Agent-Native Compute platform is designed for AI agents, offering ultra-fast sandboxes, high startup rates, and massive daily runs, making it ideal for reinforcement learning and evaluations. The platform has pivoted from human developer environments to focus on agent sandboxes, emphasizing bare metal performance and stateful snapshots. With RL workloads accounting for nearly half of its usage, Daytona is redefining the AI cloud landscape, potentially shifting it towards a model similar to Stripe rather than AWS.

Daytona通过提供可组合、状态化的沙盒环境，解决了AI代理对动态计算资源的需求，其技术架构支持从零到10万CPU的弹性扩展，并成为AI基础设施的关键组件。

Google Cloud正式发布GKE Agent Sandbox并推出开源项目Agent Substrate，提供安全高效的AI代理执行环境及超大规模调度解决方案。

eBPF通过在内核层直接附加探针，为安全可观测性提供了用户空间代理无法匹敌的可见性和防护能力，即使攻击者获得容器root权限也无法禁用内核探针，同时可降低60-80%的安全相关CPU开销。

这门 Docker 课程由资深讲师 Isa 主讲，从零开始系统讲解容器化技术，覆盖基础概念到高级部署，适合求职准备。

PaaS平台服务能够避免团队为每个新项目重复构建基础设施，将开发重点从基础设施搭建转向客户价值交付，显著提升工程效率并减少运营复杂性。

LangChain 发布 Mission Control，一个解耦的集群内应用程序，用于部署、配置、观察和调试自托管的 LangSmith 和相关 LangChain 基础设施。

David Heinemeier Hansson分享了他作为37signals CEO的有趣问题，包括从云迁移到Kubernetes、Ruby on Rails的起源以及与苹果的Mac exclusivity争议。他强调了成功企业应提供机会，让创始人有更多时间专注于刺激的项目，而不是日常琐事。

文章解释了云计算的基本概念及其广泛应用的原因，强调其如何简化基础设施管理并降低启动成本。

演讲者展示了如何将AI代理OpenClaw容器化并在Kubernetes上运行，强调了容器在隔离、可移植性和备份恢复方面的优势。

Devin Desktop推出新功能Devin Outposts，支持在多种本地和云环境中部署。