CNCF之毕业Projects简介

2024-02-26 16:52
文章标签 简介 projects 毕业 cncf

本文主要是介绍CNCF之毕业Projects简介,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        CNCF组织管理着大量的云原生基础设施软件系统,如著名的k8s,不同的系统解决不同的技术点,也有一些系统是解决同一个问题的,形成一个自由竞争的关系,互相促进彼此创新进步,同时也给我们做技术选型带来了多样性和小小选择难点,我们有必要做一个简单的表格统计,方便我们从不同维度了解CNCF工程。

1.  工程总表 

序号

工程状态

工程数量

1

Graduated-毕业

25
2

Incubating-孵化

37
3

SANDBOX-沙盒

112

         

2.  工程表

工程名称类型说明
KubernetsScheduling & Orchestration自动化部署、扩展和管理容器化应用程序
KEDAScheduling & OrchestrationKEDA是一个基于Kubernetes的事件驱动自动缩放组件。它为在Kubernetes中运行的任何容器提供了事件驱动scale
ArgoContinuous Integration & DeliveryKubernetes本地工具,用于运行工作流、管理集群和正确执行GitOps。
fluxContinuous Integration & DeliveryKubernetes的开放和可扩展的连续交付解决方案。由GitOps Toolkit提供支持。
CiliumCloud Native Network基于eBPF的网络、安全性和可观测性
CloudEventsStreaming & Messaging标准化常见的事件元数据及其位置,以帮助事件识别和路由。
harborContainer Registry一个开源的受信任的云原生registry项目,用于镜像的存储、签名和扫描内容
containerdContainer Runtime开放可靠的容器运行时
cri-oContainer Runtime基于开放容器倡议的Kubernetes容器运行时接口实现
CoreDNSCoordination & Service DiscoveryCoreDNS是一个链接插件的DNS服务器
etcdCoordination & Service Discovery分布式系统中最关键数据的分布式可靠的key-value存储
helmApplication Definition & Image BuildKubernetes包管理器
envoyService Proxy云原生高性能edge/middle/service代理
IstioService Mesh简化可观测性、流量管理、安全性和策略。
LinkerdService Mesh超轻、超简单、超强大。Linkerd为Kubernetes增加了安全性、可观察性和可靠性,而没有复杂性。
PrometheusMonitoring一个监控系统和时序数据库
fluentdLogging统一日志层
JaegerTracing分布式跟踪平台
OpenPolicyAgentSecurity & Compliance开放策略代理(OPA)是一个开源的通用策略引擎。
TUFSecurity & Compliance更新框架(TUF)的Python参考实现
rookCloud Native StorageKubernetes的存储编排
SPIFFEKey ManagementSPIFFE是Secure Production Identity Framework for Everyone 的缩写 ,是一个软件身份标识的开源标准。为了以组织和平台无关的方式实现身份标识的互操作性,SPIFFE 定义了以全自动方式获取和验证加密身份所需的接口和文档,为构建分布式系统的通用身份的控制平面提供了标准的支撑,这个控制平面就是“基础设施”。
SPIREKey ManagementSPIRE 是 SPIFFE API的一个生产就绪的实现,它执行节点和工作负载认证,以便根据一组预先定义的条件,安全地向工作负载发出 SVID,并验证其他工作负载的 SVID。
TiKVDatabase分布式事务键值数据库。基于Google Spanner和HBase的设计,但管理更简单,不依赖任何分布式文件系统
VitessDatabase用于部署、扩展和管理大型MySQL实例集群的数据库解决方案

 

这篇关于CNCF之毕业Projects简介的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/749535

相关文章

ASIO网络调试助手之一:简介

多年前,写过几篇《Boost.Asio C++网络编程》的学习文章,一直没机会实践。最近项目中用到了Asio,于是抽空写了个网络调试助手。 开发环境: Win10 Qt5.12.6 + Asio(standalone) + spdlog 支持协议: UDP + TCP Client + TCP Server 独立的Asio(http://www.think-async.com)只包含了头文件,不依

业务协同平台--简介

一、使用场景         1.多个系统统一在业务协同平台定义协同策略,由业务协同平台代替人工完成一系列的单据录入         2.同时业务协同平台将执行任务推送给pda、pad等执行终端,通知各人员、设备进行作业执行         3.作业过程中,可设置完成时间预警、作业节点通知,时刻了解作业进程         4.做完再给你做过程分析,给出优化建议         就问你这一套下

容器编排平台Kubernetes简介

目录 什么是K8s 为什么需要K8s 什么是容器(Contianer) K8s能做什么? K8s的架构原理  控制平面(Control plane)         kube-apiserver         etcd         kube-scheduler         kube-controller-manager         cloud-controlle

【Tools】AutoML简介

摇来摇去摇碎点点的金黄 伸手牵来一片梦的霞光 南方的小巷推开多情的门窗 年轻和我们歌唱 摇来摇去摇着温柔的阳光 轻轻托起一件梦的衣裳 古老的都市每天都改变模样                      🎵 方芳《摇太阳》 AutoML(自动机器学习)是一种使用机器学习技术来自动化机器学习任务的方法。在大模型中的AutoML是指在大型数据集上使用自动化机器学习技术进行模型训练和优化。

SaaS、PaaS、IaaS简介

云计算、云服务、云平台……现在“云”已成了一个家喻户晓的概念,但PaaS, IaaS 和SaaS的区别估计还没有那么多的人分得清,下面就分别向大家普及一下它们的基本概念: SaaS 软件即服务 SaaS是Software-as-a-Service的简称,意思是软件即服务。随着互联网技术的发展和应用软件的成熟, 在21世纪开始兴起的一种完全创新的软件应用模式。 它是一种通过Internet提供

毕业前第二次面试的感慨

距面试已经过去了有几天了,我现在想起来都有说多的恨感慨。 我一直都是想找刚刚起步的企业,因为这能让我学到更多的东西,然而正好有一家企业是刚起步的,而且他还有自己的产品专利,可以说这是一家,即是创业又是刚起步的公司,这家公司回复了我投给他的简历,这家企业想进一步了解我的情况,因为简历上我符合这家企业的基本要求,所以要进一步了解。 虽然面试的过程中,他给我的面试题,我做得并不是很理想,

LIBSVM简介

LIBSVM简介 支持向量机所涉及到的数学知识对一般的化学研究者来说是比较难的,自己编程实现该算法难度就更大了。但是现在的网络资源非常发达,而且国际上的科学研究者把他们的研究成果已经放在网络上,免费提供给用于研究目的,这样方便大多数的研究者,不必要花费大量的时间理解SVM算法的深奥数学原理和计算机程序设计。目前有关SVM计算的相关软件有很多,如LIBSVM、mySVM、SVMLight等,这些

urllib与requests爬虫简介

urllib与requests爬虫简介 – 潘登同学的爬虫笔记 文章目录 urllib与requests爬虫简介 -- 潘登同学的爬虫笔记第一个爬虫程序 urllib的基本使用Request对象的使用urllib发送get请求实战-喜马拉雅网站 urllib发送post请求 动态页面获取数据请求 SSL证书验证伪装自己的爬虫-请求头 urllib的底层原理伪装自己的爬虫-设置代理爬虫coo

新一代车载(E/E)架构下的中央计算载体---HPC软件架构简介

老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 屏蔽力是信息过载时代一个人的特殊竞争力,任何消耗你的人和事,多看一眼都是你的不对。非必要不费力证明自己,无利益不试图说服别人,是精神上的节能减排。 无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事.而不是让内心的烦躁、焦虑、毁掉你本就不多的热情和定力。 时间不知不觉中,快要来到夏末秋初。一年又过去了一大半,成

AI学习指南深度学习篇-带动量的随机梯度下降法简介

AI学习指南深度学习篇 - 带动量的随机梯度下降法简介 引言 在深度学习的广阔领域中,优化算法扮演着至关重要的角色。它们不仅决定了模型训练的效率,还直接影响到模型的最终表现之一。随着神经网络模型的不断深化和复杂化,传统的优化算法在许多领域逐渐暴露出其不足之处。带动量的随机梯度下降法(Momentum SGD)应运而生,并被广泛应用于各类深度学习模型中。 在本篇文章中,我们将深入探讨带动量的随