SIG Cloud Provider Alibaba 網研會第 2 期順利召開 | 雲原生生态周報 Vol. 46

作者 | 高相林、陳俊、孫健波

業界要聞

1. Gartner 報告：阿裡雲與 AWS 并列入選容器産品最完善

近日，國際知名調研機構 Gartner 釋出 2020 年容器公有雲競争格局報告，阿裡雲再度成為國内唯一入選廠商。Gartner 報告顯示，阿裡雲容器服務在中國市場表現強勁，産品形态豐富，在如 Serverless 容器、服務網格、安全沙箱容器、混合雲和邊緣等領域，具備良好的技術發展政策。

1. Dragonfly 晉升成為 CNCF 孵化項目

4 月 9 日，由雲原生計算基金會（CNCF）技術監督委員會投票，Dragonfly 正式晉升為 CNCF 孵化級别的托管項目。

1. SIG Cloud Provider Alibaba 網研會第 2 期

4 月 16 日（周四） 19:00 将舉辦 SIG Cloud Provider Alibaba 網研會第 2 期，本次網研會為自辦直播，直播主要有兩種形式：視訊直播+文字直播。視訊直播将在雲栖社群、開發者社群、開發者釘群進行，文字直播将聯合 DockOne 社群在 10+ 微信群内進行文字直播。

1. TiDB 4.0 釋出

4 月 8 号是 PingCAP 成立五周年的日子，其開發團隊也在當天釋出了具有裡程碑意義的 TiDB 4.0 首個 RC 版本。

上遊重要進展

1. Fix client watch reestablishment handling of client-side timeouts

解決了當用戶端的 watch 發生逾時，會重新 list 全量資源，而非重建連接配接的 bug。

1. Make PodInfo (a v1.Pod wrapper) a first class type in scheduler framework

通過一系列 PR 将 PodInfo 更新為 scheduler 架構的一等對象，這樣可以提高性能和可觀測性。

1. preserve integers decoding raw JSON values

解決了在擁有 scale subresource 的 CRD 中，關于 replicas 字段預設值的一個 bug。

1. Add etcd WithRequireLeader option to API watches

在 api watches 中添加 etcd

WithRequireLeader

選項。如果沒有該選項的話，當 etcd 叢集選舉失敗的話，在 apiserver 中面向 etcd 的 watches 會永遠 hang 住。

1. Add GRPC probe

改 KEP 提議使用 GRPC 作為探活協定，因為 grpc 提供了官方的健康檢查方法。

開源項目推薦

1. corefile-migration

不同版本的 CoreDNS 所支援的 Corefile 可能會有所不同，該項目可以幫助開發者遷移 corefile 的版本。既可以采用二進制的方式使用，也可以作為三方庫引入。

1. script

該項目為 Go 語言三方庫，主要提供類似于 shell 腳本中指令類似的函數。

1. KPT

簡單來說是基于 Kustomize 做的一款類似 helm template 的工具，包含了參數設定、打包、管道式串行渲染、自定義函數（鏡像）渲染等衆多功能。 與 OAM 天然互補，兩者均是為了 Infrastructure as Data 理念的直接産物，kpt 是 Data 的操縱工具，而 OAM 是 Data 的格式。kpt 可以作為應用産出 終态 OAM yaml 前的參數渲染、打包、分發指令行工具，更深的可以結合 GitOps 模式使用。

1. krustlet

krustlet 為使用 rust 語言編寫的 kubelet 項目。

本周閱讀推薦

1. 《專訪 OAM 和 DAPR 創始人白海石：一位 33 年資深程式員的樸素想法》

OAM 與 DAPR 的宗旨是要為開發者，特别是企業級的開發者，在設計和實施分布式系統時能夠更簡單更高效。他們位于分布式系統中的兩個不同層面：OAM 在部署态，用來描述應用程式整體的拓撲結構以及部署傳遞過程；而 DAPR 則工作在開發态，使得開發者可以通過簡單标準化的方式發現和調用外部的資源。本文中白海石對兩者進行了更豐富的闡述，同時也對未來的分布式應用形态進行了展望。

1. 《3 個減小 Docker 鏡像的簡單技巧》

文章借助詳盡的用例介紹了 3 個減少 Docker 鏡像體積的技巧。

1. 《阿裡雲容器服務團隊實踐——Alluxio 優化數倍提升雲上 K8s 深度學習訓練性能》

Alluxio 是一個以記憶體為中心的分布式存儲系統。在本文中，作者總結了 Alluxio 在高性能分布式深度學習模型訓練場景中落地的挑戰點，以及優化雲上模型訓練性能的實踐。進一步地，作者介紹了如何從多個層面提升 AlluxioFUSE 在高并發讀場景下性能優化的經驗。最後，作者實作的基于 Alluxio 優化的分布式模型訓練方案，并在 4 機 8 卡的 ResNet50 場景下進行了性能驗證，取得了很好的效果。

“ 阿裡巴巴雲原生 關注微服務、Serverless、容器、Service Mesh 等技術領域、聚焦雲原生流行技術趨勢、雲原生大規模的落地實踐，做最懂雲原生開發者的公衆号。”