亲历者说: Kubernetes API 与 Operator, 不为人知的开发者战争( 三 )
如果说 , Docker 镜像的提出 , 完成了应用静态描述的标准化 。 那么 Kubernetes Operator 的出现 , 终于为应用的动态描述提出了一套行之有效的实现规范 。 更为重要的是 , 对于 TiDB、Kafka、RocketMQ 等分布式应用的开发者来说 , 这些应用运行起来之后的动态描述 , 才是对一个分布式应用真正有意义的信息 。
而在此之前 , 用户如果要想将 TiDB、Kafka 这样的分布式应用很好的使用起来 , 就不得不去尝试编写一套复杂的管理脚本 , 甚至为此学习大量与项目本身无关的运维知识 。 更为麻烦的是 , 这些脚本、知识、和经验 , 并没有一个很好的办法能够有效的沉淀下来 。 而任何一种技术的传授 , 如果严重依赖于口口相传而不是固化的代码和逻辑的话 , 那么它的维护成本和使用门槛 , 就可以说是“灾难级”的 。
所以说 , Kubernetes Operator 发布之初最大的意义 , 就在于它将分布式应用的使用门槛直接降到了最低 。
那么这个门槛具体有多低呢?
一般来说 , 无论这个分布式应用项目有多复杂 , 只要它为用户提供了 Operator , 那么这个项目的使用就只需要两条命令即可搞定 , 以 Kafka 为例:
推荐阅读
- 星巴克API密钥被曝泄露 曝光者获巨额奖金
- python机器学习API介绍23:高级篇——支持向量机
- 从零开始入门 K8s | Kubernetes 调度和资源管理
- python机器学习API介绍21:层次聚类算法介绍
- python机器学习API介绍20: 密度聚类及其用法
- python机器学习API介绍18: LLE模型用于数据降维
- DataPipeline陈诚:2020年,企业将从关注商业智能转向数据应用
- 图解Kubernetes应用部署
- 英特尔oneAPI:定义未来十年应用程序开发的统一、简化的编程模型
- 清华教师转行美妆电商,年卖36亿!曾2200万拍下Papi酱广告