#Kubernetes

k8sgpt是一个专为Kubernetes集群设计的AI工具，能够扫描、诊断和排查问题，并提供深度分析。整合了SRE经验，k8sgpt可以提取最相关的信息并进行AI解释，支持OpenAI、Azure、Cohere等多种AI提供商和本地模型。该工具支持多种安装方式，包括brew、rpm和deb，适用于Linux、Mac和Windows系统。其集成模式适合集群持续监控，可与Prometheus和Alertmanager等系统无缝结合。

OpenPAI是一个共享AI计算资源的开源平台，支持本地、混合和公共云部署，兼容多种AI框架和硬件。平台通过模块化设计和用户友好的体验，提供从训练到部署的完整解决方案，适合深度学习任务。OpenPAI支持分布式训练、虚拟集群管理，并提供丰富的扩展和定制功能。

Kong API Gateway是一个云原生、平台无关的API网关，以其高性能和通过插件进行扩展的能力而著称。支持代理、路由、负载均衡、健康检查、鉴权等功能，使其成为微服务或传统API流量的中心协调层。此外，Kong在Kubernetes上原生运行，提供官方的Kubernetes Ingress Controller。

SQLFlow 是一款编译器，它将SQL程序编译成在Kubernetes上运行的工作流，支持包括机器学习训练、预测、模型评估等在内的AI作业。此平台支持MySQL、TiDB、Hive等多种数据库系统，以及TensorFlow、Keras、XGBoost等机器学习工具包。SQLFlow 致力于通过SQL增强机器学习模型开发，让拥有SQL技能的工程师也能轻松开发高级机器学习应用。

Kubeflow Training Operator是一个Kubernetes原生工具，支持PyTorch、TensorFlow等多种框架的分布式训练。用户可以通过Kubernetes自定义资源API或Python SDK轻松部署和管理大规模机器学习模型的训练任务。项目还提供全面的监控设计和社区支持，是优化模型训练流程的理想工具。

kubectl-ai，一款集成了OpenAI GPT的Kubectl插件，能够自动创建和应用Kubernetes配置。它简化了配置的管理，支持Azure OpenAI、本地API等多种配置环境，提升部署的灵活性与准确度。

LangStream开源项目提供多功能开发工具和示例应用，通过CLI或Kubernetes集群运行和部署。提供多种安装方式及详细文档和支持，适用于MacOS和Unix系统。项目集成OpenAI，用户能快速创建和管理应用。支持通过Helm图表进行生产级部署，并兼容EKS、AKS、GKE等主流云服务提供商的Kubernetes集群，同时提供minikube本地部署解决方案，用于快速测试和开发。

AIKit是一个全方位平台，专为快速部署、构建和微调大型语言模型（LLM）而设计。它支持OpenAI API兼容的推理和灵活的微调接口，无需GPU即可使用。AIKit还支持多模式模型、图像生成、多平台CPU和GPU加速推理以及Kubernetes部署，简化了开发流程并确保供应链安全，适用于各种环境。

CodeAct通过可执行代码统一了LLM代理的行动空间，并利用集成的Python解释器实现动态行为调整。相比文本和JSON，CodeAct成功率提高了20%。项目包含详细数据集和模型说明，并支持Kubernetes部署，显著提升在非专业任务中的性能表现。

LeapfrogAI是一个自托管AI平台，设计用于隔离网络和资源受限环境。它提供了向量数据库、模型后端、API和用户界面等功能，使用户能够在保持数据独立性和成本效益的同时，定制化地实施AI技术。支持多种后端以及Kubernetes和Zarf部署方式，广泛适用于各种应用场景。

Kopilot可以诊断Kubernetes集群中的不健康工作负载并提供原因分析，同时审计资源以发现安全配置问题。支持在macOS、Linux等多种操作系统上安装，通过设置环境变量即可运行，轻松执行诊断和审计任务，并将支持更多AI服务。

该Operator使K8sGPT可在Kubernetes集群中集成与管理。用户可自定义资源以定义K8sGPT工作负载的行为与范围，支持多集群监控及多种AI后端集成，如OpenAI、AzureOpenAI和Amazon Bedrock。配置和输出分析结果可以灵活调整，方便集成到现有工作流中。

一个使用C# Blazor编写的Kubernetes管理工具，集成ChatGPT模型，提供用户友好的界面，适合初学者使用。功能包括直观显示Kubernetes资源、树状结构展示和文档说明、详细的资源字段解释、官方文档链接、示例浏览、YAML资源高效编辑、动态资源使用展示、高频命令执行、集群资源检查、支持多语言和API集成。通过拓扑图展示工作负载关系及状态，支持GatewayAPI可视化。用户可以通过简单命令在本地或Kubernetes集群中轻松部署和运行。

《Distributed Machine Learning Patterns》一书详细介绍了如何构建可扩展和高可靠性的机器学习系统。内容涵盖数据摄取、分布式训练、模型服务等方面，以及如何利用Kubernetes、TensorFlow、Kubeflow和Argo Workflows实现任务自动化。通过该书，读者将掌握关键概念与实际案例，并学会在大规模集群上管理和监控机器学习任务。本书适合具备基础机器学习知识的数据分析师、数据科学家和软件工程师。

Sematic是一个开源的机器学习平台，支持ML工程师和数据科学家使用Python编写并运行复杂的端到端流水线。无论在本地计算机、云虚拟机还是Kubernetes集群上执行，Sematic都可以高效利用云资源。它具有易于上手、端到端可追溯性、本地与云一致性和高可重复性等特点，可在无需部署或额外基础设施的情况下开始使用，所有流水线步骤都可以在web仪表盘上监控和可视化，适用于优化不同计算资源。

MPI Operator简化了在Kubernetes上运行Allreduce风格分布式训练的操作，并无缝集成到Kubeflow环境中。用户可通过简单的kubectl命令部署最新版本，并通过配置文件定义和创建MPI Job。该项目支持多节点TensorFlow训练，提供日志监控和训练进度查看功能。此外，MPI Operator与Kube-state-metrics集成，全面支持Docker镜像构建和推送。了解更多安装步骤、使用案例和贡献指南，请访问项目主页。

Katana-skipper 是一个灵活的机器学习工作流引擎，它能够在多个微服务之间进行事件调度，并创建可执行的流程来处理请求。该引擎可配置以支持任何微服务，且具有通用的引擎和通信部分。示例服务使用波士顿房价数据进行数据处理和模型训练，支持多种编程语言的微服务容器，包括 Python 和 JavaScript。Skipper 可部署于任何支持 Kubernetes 或 Docker 的云服务商，并支持使用 Kubernetes 命令进行扩展。

Loggie是一个基于Golang实现的轻量级、高性能的云原生日志代理和聚合器。它支持多种管道和可插拔组件，如数据传输、过滤、解析和告警，通过Kubernetes原生CRD进行操作和管理，提供生产环境下的可观测性、可靠性和自动化功能。Loggie可以构建可扩展的云原生日志数据平台，具备高性能、自适应并发、实时解析与转换以及日志聚合和监控功能，适用于多种架构部署，实现全面的日志数据采集与处理。

KServe 提供 Kubernetes 自定义资源定义，支持多种机器学习框架，使用标准化推理协议进行预测和生成模型服务。它简化了自动扩展、网络配置和健康检查的复杂性，支持 GPU 自动扩展、零容量和金丝雀部署等高级功能，适用于生产级的机器学习服务，涵盖预处理、后处理和可解释性。更多信息请访问官网。

Kubeflow项目专注于在Kubernetes上简化、可移植且可扩展的AI/ML解决方案。它包含多个开源组件，支持机器学习生命周期的各个阶段，如模型服务、实验管理和数据流水线等。提供丰富的官方文档和社区支持，用户可以通过GitHub获取详细信息和技术支持，这是构建AI/ML应用的理想工具。

Arena 是一个命令行工具，帮助数据科学家简化机器学习训练作业的运行和监控。支持独立和分布式的TensorFlow训练，基于Kubernetes、Helm和Kubeflow，降低数据科学家对Kubernetes知识的依赖。此外，Arena 提供 `top` 命令可检查 Kubernetes 集群中的 GPU 资源，让数据科学家在单一机器上享受 GPU 集群的强大性能。

ElasticDL是一个Kubernetes原生的深度学习框架，提供故障容错和弹性调度功能。通过Kubernetes的原生设计，ElasticDL能够实现故障恢复，并与其优先权抢占机制协同工作，提高集群整体利用率。框架支持TensorFlow和PyTorch，界面简洁，用户可通过命令行进行分布式训练。无论在本地、内部集群还是公有云，ElasticDL都能快速启动深度学习任务。

这款CLI工具提供统一的应用配置管理，支持Go、NodeJS、Rust等本地应用的热重载。通过Kubernetes或SSH进行远程端口转发，将应用流量本地化，并自动重连丢失的连接。该工具支持多次转发同一端口和监控本地及远程应用，可显著提升开发效率。多种安装方式，包括Homebrew和二进制下载，配置灵活且简便，适合多项目环境。

KCNA认证指南详解Kubernetes基础、容器编排、云原生架构等核心内容，提供完整备考资料与实践题目，全面提升云原生技术水平。

CloudNativePG是一个开源平台，为Kubernetes环境中的PostgreSQL数据库管理提供全面解决方案。该平台覆盖数据库的全生命周期，从部署到日常维护。其核心组件CloudNativePG operator采用Kubernetes原生方法，通过扩展控制器实现高可用PostgreSQL集群的管理。平台功能包括自动故障转移、副本扩展和滚动更新，所有复杂操作均通过Kubernetes API服务器协调完成。

Stern是一款Kubernetes日志跟踪工具,支持同时监控多个Pod和容器的日志流。它可通过正则表达式匹配Pod名称,自动追踪新Pod,并对不同容器日志进行着色。Stern提供多样化的命令行选项,包括自定义输出模板、跨命名空间查看和交互式选择等功能。作为kubectl logs的替代工具,Stern简化了Kubernetes环境中的日志查看和问题排查流程。

Kaito是一款专为Kubernetes集群设计的AI/ML模型自动化管理工具。它支持falcon和phi-3等开源大模型，通过容器镜像管理模型文件，提供预设配置，自动配置GPU节点，并利用Microsoft Container Registry托管模型镜像。Kaito显著简化了在Kubernetes环境中部署和管理大型AI推理模型的过程，为开发者和运维人员提供了高效、便捷的解决方案。

kubernetes-examples是一个Kubernetes示例代码库，提供多种配置和部署案例。项目涵盖基础到高级应用场景，帮助开发者和运维人员学习Kubernetes功能，促进容器化应用的开发和部署。

Kuboard是一个开源的Kubernetes管理界面，支持1.13及以上版本。它具备多集群管理、权限控制、监控和日志聚合等功能，并支持多种认证方式和存储类型。Kuboard通过微服务分层展示和图形化编辑简化了Kubernetes管理，同时提供丰富的互操作性和扩展性。该项目在GitHub上获得了超过10000颗星，已被1000多家企业应用于生产环境。

这是一个全面的Kubernetes资源汇总,涵盖入门指南、高级技巧、教程、工具和最佳实践。项目由社区维护并持续更新,为开发者和运维人员学习使用Kubernetes提供权威参考。作为探索容器编排和云原生技术的理想起点,本列表包含丰富的学习材料和实用工具,助力用户掌握Kubernetes生态系统。

Lens是一款广受欢迎的Kubernetes集成开发环境，用户数量超过100万。该工具为开发人员和运维工程师提供直观界面，便于管理和诊断Kubernetes工作负载。Lens不仅有助于Kubernetes学习，还能提高团队效率，减少云原生开发所需工具。从初创公司到大型企业，众多团队选择使用Lens。其上下文感知界面简化了Kubernetes操作，成为云原生开发和运维的重要工具。

K9s是一个为Kubernetes提供终端用户界面的集群管理工具。它实时监控集群变化,提供丰富的资源操作命令,简化了集群的导航、观察和管理流程。K9s支持多种安装方式,兼容主流操作系统,并允许自定义配置。作为开源项目,K9s为用户提供了直观高效的Kubernetes集群管理体验。

这个仓库是kubectl的开发中心，用于跟踪问题并提供客户端程序包。kubectl作为Kubernetes的官方命令行工具，用于管理和操作集群。项目遵循严格的开发标准，包括全面的测试覆盖和Go语言规范。它独立于Kubernetes核心，欢迎社区贡献，并遵循项目的行为准则。

Reloader实现了Kubernetes配置变更的自动监控和更新。它可检测ConfigMap和Secret的修改，并触发相关Deployment、DaemonSet等资源的滚动更新。通过注解实现灵活配置，支持多种更新策略，适用于Kubernetes 1.19及更高版本。Reloader简化了配置管理流程，提高了应用的可维护性和稳定性。

kubectx和kubens是用于管理Kubernetes集群上下文和命名空间的命令行工具。它们提供交互式模式、自动补全和颜色定制功能，提升kubectl使用效率。这两个工具支持多平台安装，兼容常见包管理器。kubectx和kubens简化了在不同Kubernetes环境间的切换操作，适用于需要频繁更改集群或命名空间的开发和运维工作。

KubeSphere是以Kubernetes为核心的分布式操作系统，支持多云、多集群和边缘计算的统一管理。其插拔式架构允许无缝集成第三方应用，提供全栈自动化运维和DevOps工作流。平台具备直观的Web UI，帮助企业构建功能丰富的多租户容器平台，覆盖Kubernetes多集群管理、云原生可观测性、服务网格和边缘计算等关键功能。最新的v3.4.0版本进一步提升了用户体验，并带来了多项功能更新。