k8sgpt operator下载k8sgpt operator源代码下载

k8sgpt operator

其他源码

v0.2.0

下载

该操作员旨在在Kubernetes群集中启用K8SGPT。它将允许您创建一个定义托管K8SGPT工作负载的行为和范围的自定义资源。分析和输出也将是可配置的，以使集成到现有工作流程中。

安装

 helm repo add k8sgpt https://charts.k8sgpt.ai/
helm repo update
helm install release k8sgpt/k8sgpt-operator -n k8sgpt-operator-system --create-namespace

运行示例

从安装部分安装操作员。
创建秘密：

kubectl create secret generic k8sgpt-sample-secret --from-literal=openai-api-key= $OPENAI_TOKEN -n k8sgpt-operator-system

应用K8SGPT配置对象：

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
    # 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

应用自定义资源后，将安装K8SGPT部署，您将能够在几分钟后看到分析的结果对象（如果群集中有任何问题）：

❯ 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. " ,

监视多个集群

k8sgpt.ai操作员允许通过提供kubeconfig值来监视多个群集。

如果您想采用平台工程，例如为多个利益相关者运行Kubernetes群集，此功能可能会令人着迷。专门为基于群集API的基础架构设计的k8sgpt.ai操作员将安装在同一集群API管理集群中：该群集负责根据种子簇的基础设施提供商来创建所需的群集。

根据命名公约${CLUSTERNAME}-kubeconfig提供基于群集API的群集，将在相同的命名空间中提供kubeconfig ：常规的秘密数据密钥是value ，这可以用于指示k8sgpt.ai操作员在不安装任何资源的远程群集中，而无需安装任何资源的播种种子群集。

 $: 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

安全问题
如果您的设置需要最低特权的方法，则必须提供不同的kubeconfig ，因为生成的群集API与具有clustr-admin权限的admin用户有限。

一旦拥有有效的kubeconfig ，就可以创建一个k8sgpt实例。

 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

应用后，应用k8sgpt.ai操作员将使用在字段/spec/kubeconfig中定义的种子群kubeconfig创建k8sgpt.ai部署。

结果Result对象将在部署k8sgpt.ai实例的同一名称空间中可用，因此用以下键标记为：

k8sgpts.k8sgpt.ai/name k8sgpt.ai名称
k8sgpts.k8sgpt.ai/namespace实例名称k8sgpt.ai
k8sgpts.k8sgpt.ai/backend后端（如果指定）

多亏了这些标签，可以根据指定的监视群集过滤结果，而无需用k8sgpt.ai CRD污染基础群集和消耗种子计算工作负载，并保持对AI后端驱动程序凭证的机密性。

如果缺少/spec/kubeconfig字段， k8sgpt.ai操作员将跟踪已部署的群集：通过安装提供的ServiceAccount ，这是可能的。

远程缓存

Azure Blob存储

从安装部分安装操作员。
创建秘密：

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

应用K8SGPT配置对象：

 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

S3

从安装部分安装操作员。
创建秘密：

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

应用K8SGPT配置对象：

 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

其他AI后端示例

Azureopenai

从安装部分安装操作员。
创建秘密：

kubectl create secret generic k8sgpt-sample-secret --from-literal=azure-api-key= $AZURE_TOKEN -n k8sgpt-operator-system

应用K8SGPT配置对象：

 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

亚马逊基岩

从安装部分安装操作员。
在AWS上运行时，您有多种方法可以允许托管的K8SGPT工作负载来访问Amazon Bedrock。

使用Kubernetes服务帐户授予对基岩的访问。这是将权限分配给Kubernetes Pods的最佳实践方法。有几种方法可以做到这一点：
- 在Amazon EKS上，使用EKS POD身份
- 在Amazon EKS上，使用IAM角色用于服务帐户（IRSA）
- 在自我管理的Kubernetes上，使用IAM角色用于服务帐户（IRSA）与POD Identity Webhook
使用Kubernetes Secret中的AWS凭据授予对基岩的访问。请注意，这与AWS最佳实践有关，应谨慎使用。

要使用Kubernetes服务帐户授予基岩的访问权限，请使用基岩权限创建IAM角色。下面包括一个示例策略：

 {
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "bedrock:InvokeModel",
        "bedrock:InvokeModelWithResponseStream"
      ],
      "Resource": "*"
    }
  ]
}

要使用Kubernetes秘密中的AWS凭据授予访问基岩的访问权限，您可以创建一个秘密：

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

应用K8SGPT配置对象：

 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

Localai

从安装部分安装操作员。
遵循Localai安装指南安装Localai。（使用Localai时不需要开放式秘密）。
应用K8SGPT配置对象：

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

注意：确保baseUrl的值是局部服务的正确构建的DNS名称。它应采取表格： http://local-ai.<namespace_local_ai_was_installed_in>.svc.cluster.local:8080/v1

与步骤4相同。在上面的示例中。

K8SGPT配置选项

ImagePullSecrets

您可以通过修改“存储库”，“版本”，`imagePullSecrets`使用自定义的K8SGPT映像。 “版本”实际上用作图像标签。

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

水槽（集成）

可选参数可用于接收器。
（'type'，'webhook'是必需的参数。）

工具	渠道	icon_url	用户名
松弛
最重要	✔️	✔️	✔️

舵值

有关详细信息，请参阅此处

执照

展开

附加信息

版本 v0.2.0
类型其他源码
更新时间 2025-03-01
大小 1.47MB
来自于 Github

k8sgpt operator

安装

运行示例

监视多个集群

远程缓存

其他AI后端示例

K8SGPT配置选项

舵值

执照

GitHub sgrebnov/cordova plugin background download

Wa ch ull navra maza navsacha 2 2024 ull ovie Fr e Online On Strea ings

Wa ch navra maza navsacha 2 2024 ull ovie Online For Fr e Strea ings At Home

prometheus operator

Wa ch the greatest of all time 2024 ull ovie Online For Fr e Strea ings At Home

wolfs 2024 f llmo ie f lmyz lla dow load ree 7 0p 4 0p a d 10 0p

chat.petals.dev

GPT Prompt Templates

GPTyped

Google Dorks

shepherd

hidusbf

Google Dorks

shepherd

hidusbf