k8sgpt operator
v0.2.0
Этот оператор предназначен для включения K8SGPT в кластере Kubernetes. Это позволит вам создать пользовательский ресурс, который определяет поведение и объем управляемой рабочей нагрузки K8SGPT. Анализ и выходы также будут настраиваются, чтобы включить интеграцию в существующие рабочие процессы.
helm repo add k8sgpt https://charts.k8sgpt.ai/
helm repo update
helm install release k8sgpt/k8sgpt-operator -n k8sgpt-operator-system --create-namespace
Установите оператор в разделе установки.
Создать секрет:
kubectl create secret generic k8sgpt-sample-secret --from-literal=openai-api-key= $OPENAI_TOKEN -n k8sgpt-operator-systemkubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
ai:
enabled: true
model: gpt-3.5-turbo
backend: openai
secret:
name: k8sgpt-sample-secret
key: openai-api-key
# backOff:
# enabled: false
# maxRetries: 5
# anonymized: false
# language: english
# proxyEndpoint: https://10.255.30.150 # use proxyEndpoint to setup backend through an HTTP/HTTPS proxy
noCache: false
repository: ghcr.io/k8sgpt-ai/k8sgpt
version: v0.3.41
#integrations:
# trivy:
# enabled: true
# namespace: trivy-system
# filters:
# - Ingress
# sink:
# type: slack
# webhook: <webhook-url> # use the sink secret if you want to keep your webhook url private
# secret:
# name: slack-webhook
# key: url
#extraOptions:
# backstage:
# enabled: true
EOF❯ kubectl get results -o json | jq .
{
" apiVersion " : " v1 " ,
" items " : [
{
" apiVersion " : " core.k8sgpt.ai/v1alpha1 " ,
" kind " : " Result " ,
" spec " : {
" details " : " The error message means that the service in Kubernetes doesn't have any associated endpoints, which should have been labeled with " control-plane=controller-manager " . nnTo solve this issue, you need to add the " control-plane=controller-manager " label to the endpoint that matches the service. Once the endpoint is labeled correctly, Kubernetes can associate it with the service, and the error should be resolved. " , Оператор k8sgpt.ai позволяет контролировать несколько кластеров, предоставляя значение kubeconfig .
Эта функция может быть увлекательной, если вы хотите использовать инженерную платформу, такую как управление парком кластеров Kubernetes для нескольких заинтересованных сторон. Оператор k8sgpt.ai , специально разработанный для инфраструктуры на основе кластеров API, будет установлен в одном и том же кластере управления API кластера: этот отвечает за создание необходимых кластеров в соответствии с поставщиком инфраструктуры для начальных кластеров.
После того, как кластер, основанный на кластере API, был предоставлен kubeconfig в соответствии с соглашением о именовании ${CLUSTERNAME}-kubeconfig будет доступен в одном и том же пространстве имен: обычный секретный ключ данных-это value , это может использоваться для инструктажа оператора k8sgpt.ai
$: kubectl get clusters
NAME PHASE AGE VERSION
capi-quickstart Provisioned 8s v1.28.0
$: kubectl get secrets
NAME TYPE DATA AGE
capi-quickstart-kubeconfig Opaque 1 8s
Проблема безопасности
Если ваша настройка требует наименьшей привилегии, должен быть предоставлен другой
kubeconfig, поскольку сгенерированный кластерный API ограничен пользователюadmin, который имеет разрешенияclustr-admin.
После того, как у вас есть действительный kubeconfig , может быть создан экземпляр k8sgpt , как он следует.
apiVersion : core.k8sgpt.ai/v1alpha1
kind : K8sGPT
metadata :
name : capi-quickstart
namespace : default
spec :
ai :
anonymized : true
backend : openai
language : english
model : gpt-3.5-turbo
secret :
key : api_key
name : my_openai_secret
kubeconfig :
key : value
name : capi-quickstart-kubeconfig После применения оператор k8sgpt.ai создаст развертывание k8sgpt.ai , используя кластер SEED kubeconfig , определенный в Field /spec/kubeconfig .
Полученные объекты Result будут доступны в том же пространстве имен, где был развернут экземпляр k8sgpt.ai , соответственно, помеченный следующими ключами:
k8sgpts.k8sgpt.ai/name : имя экземпляра k8sgpt.aik8sgpts.k8sgpt.ai/namespace : k8sgpt.ai -пространство имен экземпляровk8sgpts.k8sgpt.ai/backend : бэкэнд AI (если указано) Благодаря этим этикеткам результаты могут быть отфильтрованы в соответствии с указанным контролируемым кластером, не загрязняя базовый кластер с помощью CRDS k8sgpt.ai и потребления рабочих нагрузок семян, а также сохранения конфиденциальности в отношении атмосферов драйвера AI.
В случае отсутствия
/spec/kubeconfigOperator, операторk8sgpt.aiбудет отслеживать кластер, на котором был развернут: это возможно путем установки предоставленногоServiceAccount.
Установите оператор в разделе установки.
Создать секрет:
kubectl create secret generic k8sgpt-sample-cache-secret --from-literal=azure_client_id= < AZURE_CLIENT_ID > --from-literal=azure_tenant_id= < AZURE_TENANT_ID > --from-literal=azure_client_secret= < AZURE_CLIENT_SECRET > -n k8sgpt-
operator-system kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
ai:
model: gpt-3.5-turbo
backend: openai
enabled: true
secret:
name: k8sgpt-sample-secret
key: openai-api-key
noCache: false
repository: ghcr.io/k8sgpt-ai/k8sgpt
version: v0.3.41
remoteCache:
credentials:
name: k8sgpt-sample-cache-secret
azure:
# Storage account must already exist
storageAccount: "account_name"
containerName: "container_name"
EOF
Установите оператор в разделе установки.
Создать секрет:
kubectl create secret generic k8sgpt-sample-cache-secret --from-literal=aws_access_key_id= < AWS_ACCESS_KEY_ID > --from-literal=aws_secret_access_key= < AWS_SECRET_ACCESS_KEY > -n k8sgpt-
operator-system kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
ai:
model: gpt-3.5-turbo
backend: openai
enabled: true
secret:
name: k8sgpt-sample-secret
key: openai-api-key
noCache: false
repository: ghcr.io/k8sgpt-ai/k8sgpt
version: v0.3.41
remoteCache:
credentials:
name: k8sgpt-sample-cache-secret
s3:
bucketName: foo
region: us-west-1
EOF
Установите оператор в разделе установки.
Создать секрет:
kubectl create secret generic k8sgpt-sample-secret --from-literal=azure-api-key= $AZURE_TOKEN -n k8sgpt-operator-system kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
ai:
enabled: true
secret:
name: k8sgpt-sample-secret
key: azure-api-key
model: gpt-35-turbo
backend: azureopenai
baseUrl: https://k8sgpt.openai.azure.com/
engine: llm
noCache: false
repository: ghcr.io/k8sgpt-ai/k8sgpt
version: v0.3.41
EOF
Установите оператор в разделе установки.
При запуске AWS у вас есть несколько способов дать разрешение управляемой рабочей нагрузке K8SGPT на доступ к Amazon Bedrock.
Чтобы предоставить доступ к Bedrock с помощью учетной записи Kubernetes Service, создайте роль IAM с разрешениями. Политика примера включена ниже:
{
"Version": "2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"bedrock:InvokeModel",
"bedrock:InvokeModelWithResponseStream"
],
"Resource": "*"
}
]
}
Чтобы предоставить доступ к Bedrock, используя учетные данные AWS в секрете Kubernetes, вы можете создать секрет:
kubectl create secret generic bedrock-sample-secret --from-literal=AWS_ACCESS_KEY_ID= " $( echo $AWS_ACCESS_KEY_ID ) " --from-literal=AWS_SECRET_ACCESS_KEY= " $( echo $AWS_SECRET_ACCESS_KEY ) " -n k8sgpt-operator-system kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
ai:
enabled: true
secret:
name: bedrock-sample-secret
model: anthropic.claude-v2
region: eu-central-1
backend: amazonbedrock
noCache: false
repository: ghcr.io/k8sgpt-ai/k8sgpt
version: v0.3.41
EOF
Установите оператор в разделе установки.
Следуйте руководству по установке LocalAI для установки LocalAI. ( При использовании LocalAI не требуется секрет Openai ).
Примените объект конфигурации K8SGPT:
kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-local-ai
namespace: default
spec:
ai:
enabled: true
model: ggml-gpt4all-j
backend: localai
baseUrl: http://local-ai.local-ai.svc.cluster.local:8080/v1
noCache: false
repository: ghcr.io/k8sgpt-ai/k8sgpt
version: v0.3.41
EOF ПРИМЕЧАНИЕ. Убедитесь, что значение baseUrl является правильно построенным названием DNS для службы LocalAI. Это должно принять форму: http://local-ai.<namespace_local_ai_was_installed_in>.svc.cluster.local:8080/v1
kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
ai:
enabled: true
model: gpt-3.5-turbo
backend: openai
secret:
name: k8sgpt-sample-secret
key: openai-api-key
noCache: false
repository: sample.repository/k8sgpt
version: sample-tag
imagePullSecrets:
- name: sample-secret
EOF Дополнительные параметры доступны для раковины.
(«Тип», «Webhook» - это необходимые параметры.)
| инструмент | канал | icon_url | имя пользователя |
|---|---|---|---|
| Пролечить | |||
| Материал | ✔ | ✔ | ✔ |
Для получения подробной информации см. Здесь
