Kubernetes的主要挑战及人工智能的作用

有很多文章赞美Kubernetes，是的，它赢了，它是编排容器的事实标准，是云原生应用程序的核心。

那现在怎么办？

笔者认为有趣的事情正在社区和更广泛的生态系统中发生。如何为Kubernetes用户提供更好的支持？如何构建更好的工具？如何理解和管理这些分布式复杂系统？

不妨与一些为Kubernetes和更广泛的容器/微服务的采用而产生的复杂问题构建尖端解决方案的人谈谈。主要问题有：Kubernetes要去哪里？为什么这么复杂？人工智能的作用是什么？

Kubernetes很强大。Kubernetes的起飞并非偶然，尽管它很复杂。一个工程师现在可以从笔记本电脑上部署容器（这种方式过去需要一组专家）。将应用程序容器化并编排其部署的能力意味着一种以前根本不可能实现的规模和灵活性。

Kubernetes很复杂。正如有人曾经说过的：没有解决方案，只有权衡！Kubernetes一开始就感觉像是魔术，但团队会很快发现自己被自己弄昏了头脑。当出了问题时，它通常需要专业知识来找出问题所在。

Kubernetes社区正在认真对待安全问题。默认情况下，Kubernetes带有锁定的控制平面、没有特权容器、API之间的加密、限制服务之间通信的功能等。它也是声明性的，因此你可以在部署之前确保更高的安全性——也称为“左移”。然而，有足够多的旋钮，你可能无意中使事情变得不安全。当你没有完成正确的步骤时，例如直接编辑部署而不是清单，或者关闭默认安全控件，那么安全优势就消失了。

坚持vanilla。Kubernetes的可定制性非常强，API也越来越好。也就是说，没有理由让事情变得过于复杂。不要让炒作把你拖入过度设计应用程序，这也会带来不必要的安全问题。有时，你只需要在EC2上部署一个简单的应用程序。还值得注意的是，每个云提供商都为Kubernetes创建了不同的配置——例如，AKS（Azure Kubernetes Service）与EKS不同。你可以试试混沌工程来更好地理解这些系统，并在潜在故障场景影响客户之前根除它们。

AI在那里但还没有到来。特别是在Ops领域，人工智能介入并解决问题的想法多年来一直是讨论的话题（也称为“AIOps”）。随着GitHub Copilot等产品的推出，我们实际上看到这进一步向左移动。但事实仍然是，机器可能会显示一个峰值，仍然需要一个人为其赋值并采取特定的行动。Kubernetes也不例外。我们将看到趋势数据和机器学习大量涌入产品，帮助团队解决Kubernetes问题并做出更好的决策，但人类暂时将继续掌舵。

Kubernetes并不一定适合所有人。了解哪些地方是必要的，而哪些地方更传统的基础设施是足够的，这是组织值得思考的问题。

原文链接：

https://thenewstack.io/the-state-of-kubernetes-key-challenges-and-the-role-of-ai/