概念
别名：K8s
容器编排系统
已跟踪 30 条高相关材料
最近变化
2026-10-15 · 每个PR触发GitHub Actions构建独立Kubernetes命名空间（如pr-42）
为什么值得关注
Kubernetes 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
How to Build Ephemeral PR Preview Environments on GKE with GitHub Actions, Ingress, and Automatic TLS
freeCodeCamp.org · 8.5 分
本文介绍如何使用GitHub Actions、Ingress和自动TLS在GKE上构建临时PR预览环境，实现每个PR独立部署和自动清理。
Scope workloads and share resilience policies with AWS Resilience Hub
AWS Architecture Blog · 8.5 分
AWS Resilience Hub新增Kubernetes标签支持、AI依赖分析和跨账户策略共享功能，提升云环境韧性管理效率。
Production Patterns for Agents, Evals, and LLM Costs: QCon AI New York 2026
InfoQ · 8.5 分
生产环境中的AI代理需平衡权限控制、评估机制与成本，InfoQ 2026年QCon会议揭示了授权模型、评估循环和提示压缩等实践方案。
已收录 30 条与 Kubernetes 相关的内容，按评分排序。
本文介绍如何使用GitHub Actions、Ingress和自动TLS在GKE上构建临时PR预览环境，实现每个PR独立部署和自动清理。
入选理由：每个PR触发GitHub Actions构建独立Kubernetes命名空间（如pr-42）
AWS Resilience Hub新增Kubernetes标签支持、AI依赖分析和跨账户策略共享功能，提升云环境韧性管理效率。
入选理由：使用Kubernetes标签精准定义服务资源边界
生产环境中的AI代理需平衡权限控制、评估机制与成本，InfoQ 2026年QCon会议揭示了授权模型、评估循环和提示压缩等实践方案。
入选理由：生产代理需结合长期服务账户与细粒度权限控制，避免过度授权或限制
OpenTelemetry的Kubernetes Attributes Processor升级至v1.0.0，提升可观测性数据稳定性。
入选理由：Kubernetes Attributes Processor已稳定支持日志、指标和跟踪数据
Ray框架成为AI基础设施标准，与Kubernetes整合构建统一AI栈，LinkedIn展示三层PyTorch训练架构。
入选理由：Ray与Kubernetes协同进化是AI基础设施核心趋势
AI生成的基础设施代码存在44%安全漏洞，需用Policy as Code和OPA实现自动化治理，包含Veracode等权威机构的实证数据。
入选理由：AI生成代码安全通过率仅56%，44%存在风险漏洞
Karmada成为首个CNCF毕业的多集群Kubernetes项目，支持AI训练任务调度和跨云资源管理。
入选理由：Karmada v1.19版本实现AI训练任务的多组件调度增强
Together AI推出预占式计算，以一半价格提供相同GPU资源，适用于中断容忍型任务。
入选理由：预占式节点按50%按需价格计费且支持亚小时计费
Red Hat与Rafay联合发布的主权AI云参考架构，为电信运营商提供标准化、自助服务的GPU云解决方案，解决平台和商业化双重挑战。
入选理由：Red Hat平台解决多站点GPU环境标准化部署难题，降低70%运维复杂度
Red Hat通过赞助OpenClaw基金会推动生产级AI代理的开源基础设施，解决企业级安全与部署需求。
入选理由：Red Hat通过BYOA策略支持混合云环境中自主代理运行
AWS展示了如何利用无服务器技术构建混合云编排解决方案，实现大规模本地基础设施的集中管理。
入选理由：使用AWS Lambda+Step Functions+DynamoDB构建事件驱动的编排引擎
Grafana Labs分享了如何扩展Alloy作为中央遥测网关的实践，涵盖容量规划、负载测试和生产经验。
入选理由：处理数千万级时间序列时需预留300%冗余容量
Grafana Cloud推出监控质量报告，通过自动化评估服务的遥测数据完整性，提升全栈可观测性。
入选理由：使用Grafana Cloud的Knowledge Graph仪表板可实时评估服务监控质量得分
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。
入选理由：企业AI系统依赖四层基础设施：计算、模型存储、服务层和系统集成
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。
入选理由：托管API降低运维成本但可能增加长期费用
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。
入选理由：开源本质是基础设施层的所有权控制策略，非单纯道德选择
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。
入选理由：Verus支持Rust unsafe代码块的数学验证，确保性能关键模块安全
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。
入选理由：动态命名空间通过 Kubernetes 标签选择器实现零重启管理
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。
入选理由：Operator通过持续对比期望状态与实际状态实现自动化运维
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。
入选理由：Qdrant集群规模达150个，单集合存储95亿向量，写入峰值达10万/秒
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。
入选理由：Kubernetes提供自主AI系统所需的弹性与编排能力
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。
入选理由：Argo CD 3.5 引入内部 mTLS，提升组件间通信的安全性。
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。
入选理由：AI架构师需具备技术广度而非深度，能评估LLM功能的可行性与成本。
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。
入选理由：OpenRL 允许在 Kubernetes 集群上运行多个 RL 任务，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。
入选理由：共享 GPU 时，Kubernetes 会报告所有 Pod 为 Running，但尾部延迟可能增加 66%。
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。
入选理由：使用Project-as-a-Service可通过单个YAML文件快速创建环境。
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。
入选理由：设置`spark.kubernetes.local.dirs.tmpfs=true`将所有shuffle spill数据存储在节点内存中，可能导致内存溢出。
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。
入选理由：Agent 的生命周期包含读取提示词、工具、记忆、构建上下文、执行 Loop 并交付结果等步骤。
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。
入选理由：OpenClaw 托管服务原部署于 18 台 4c16g 服务器的 k8s 集群，500 个 Pod 每个限 4G 内存，月成本近 5k 美元。
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。
入选理由：文章指出，80%的生产团队因过度定制化基础设施而延迟产品交付。
![How to Govern AI-Generated Infrastructure with Policy as Code and OPA [Full Handbook]](https://cdn.hashnode.com/uploads/covers/5f3a74bfc4d5973f55c91c8c/70640afe-46a8-4e6c-8953-3f97ed98254a.png)
