KCL: Crossplane Composition 游戏规则改变者

744fbf1430d6a3f9112616f32e6635c1.png

本文转译自 Yury Ysarev 2024 年 8 月分享的《KCL: The Game-Changer for Crossplane Composition Building》 原文内容。

https://blog.upbound.io/kcl-benefits-crossplane-composition-building

在不断变化的云原生技术领域中,Crossplane 凭借其通过高级控制平面管理基础设施的能力脱颖而出。通过扩展 Kubernetes,Crossplane 提供了一个统一框架,能够通过强大的抽象来定义、部署和管理云端资源。历史上,Crossplane 主要依赖严格的声明式方法来描述组合逻辑。然而,随着“组合函数”(Composition Functions)的引入,控制平面构建者现在拥有了丰富的语言生态系统。KCL(一种功能强大的表达方式)便是这种能力扩展的绝佳例子,它为定义基础设施提供了一种更为表达性强和灵活的方法。

KCL 为何能提升开发者体验

KCL 的设计充分考虑了简单性和稳健性,提供了多种功能,可显著改善使用 Crossplane 时的开发人员体验。与传统 YAML 不同,KCL 为定义配置提供了更具表现力和类型安全的环境,从而降低了语法错误的可能性并提高了工作效率。

  • 声明式和灵活的语法:KCL 的语法比 YAML 更具表现力,允许开发人员编写更简洁、更易读的配置。KCL 的这种声明性与基础设施即代码 (IaC) 范式完美契合,使开发人员能够以直截了当的方式描述他们所需的状态。

  • 类型安全和验证: KCL 的突出特点之一是其类型安全特性。它确保配置符合预定义类型,并在开发过程的早期捕获错误。这在复杂的 Crossplane 组合中特别有用,因为小错误可能会导致严重问题。

  • 可读性和简洁性:KCL 简洁易读的语法使理解和管理复杂配置变得更加容易。这种清晰度降低了配置错误的风险,并有助于与团队成员更清楚地沟通配置更改。

与 Crossplane 集成

KCL 的贡献者们为 Crossplane 生态系统做出了重大贡献,包括 function-kcl 的开发 https://github.com/crossplane-contrib/function-kcl/。该项目充当了 KCL 和 Crossplane 之间的桥梁,使开发人员能够使用 KCL 定义 Crossplane 组合。这种集成将 KCL 的强大功能直接带入 Crossplane 环境,从而实现更精简、更高效的配置管理。

function-kcl 博客文章 https://blog.crossplane.io/function-kcl/ 深入介绍了 KCL 如何增强 Crossplane 组合。它探讨了将 KCL 与 Crossplane 集成的好处,并提供了这种组合如何简化配置过程的实际示例。

function-kcl 项目利用 KCL 的功能,在构建 Crossplane 组合时提供更强大、更用户友好的体验。通过允许开发人员编写生成 YAML 配置的 KCL 脚本,它结合了两全其美的优势:KCL 的可读性和可维护性以及 YAML 的广泛采用和工具。

体验 KCL 的个人旅程

为了展示 KCL 的实际优势,我想重点介绍一下此拉取请求 https://github.com/upbound/configuration-aws-eks/pull/65 中记录的一个成功实验。在这个项目中,我利用 KCL 增强了 AWS EKS https://www.upbound.io/resources/events/webinars/creating-functional-aws-eks-cluster-with-crossplane-upbound 集群的配置过程。

KCL 最显著的优势之一是简洁。与等效的 Patch & Transform YAML 表示相比,KCL 配置文件明显更短。长度的减少使配置更易于管理且更易于导航。KCL 简洁的语法对于 API 的形式来说感觉很自然,从而允许更直接和可读的配置。

此外,KCL 提供了恰到好处的功能来有效处理循环和条件。这种平衡提供了管理复杂配置所需的灵活性,同时保持了清晰度。简洁性和表达能力的结合使 KCL 成为简化基础设施管理流程、降低配置错误风险和简化与团队成员沟通配置更改的宝贵工具。

KCL 函数入门的关键学习点

1. 读取函数请求和值

使用 KCL 和 Crossplane 的一个基本步骤是了解如何读取函数请求和值。function-kcl 文档 https://github.com/crossplane-contrib/function-kcl/tree/main?tab=readme-ov-file#read-the-function-requests-and-values-through-the-option-function 提供了有关使用 option 函数访问输入数据的详细说明。以下是文档的摘录:

* Read the ObservedComposedResources from option("params").ocds.
* Read the DesiredCompositeResource from option("params").dxr.
* Read the DesiredComposedResources from option("params").dcds.
* Read the function pipeline's context from option("params").ctx.
* Return an error using assert {condition}, {error_message}.

在这里,您可以找到从 XR 读取输入字段、访问观察状态和期望状态、从函数上下文中获取数据甚至返回自定义错误消息的方法。

2. 使用条件语句

KCL 支持条件语句,允许开发人员创建更加动态和响应更快的配置。在AWS EKS 配置中可以找到使用条件语句的示例。以下是相关代码片段:

clusterSecurityGroupId = option("params")?.ocds?[kubernetesCluster.metadata.name]?.Resource?.status?.atProvider?.vpcConfig?[0]?.clusterSecurityGroupId or False
if clusterSecurityGroupId:
  clusterSecurityGroupImport = {
    apiVersion = "ec2.aws.upbound.io/v1beta1"
    kind = "SecurityGroup"
    metadata.name = clusterSecurityGroupId
    spec.providerConfigRef.name = providerConfigName
    spec.deletionPolicy = deletionPolicy
    spec.forProvider = {
      region = region
      tags = {
        "eks.aws.platform.upbound.io/discovery" = id
      }
    }
  }

此功能增强了部署过程的灵活性和控制力。

3. 使用循环

KCL 的另一个强大功能是支持循环,这可以简化重复资源定义的创建。AWS EKS 配置中提供了一个说明性示例。以下是演示循环用法的代码片段:

nodeGroupRolePolicies = [
  "arn:aws:iam::aws:policy/AmazonEKSWorkerNodePolicy",
  "arn:aws:iam::aws:policy/AmazonEKS_CNI_Policy",
  "arn:aws:iam::aws:policy/service-role/AmazonEBSCSIDriverPolicy",
  "arn:aws:iam::aws:policy/AmazonEC2ContainerRegistryReadOnly",
]

nodeGroupRolePolicyAttachments = [{
  apiVersion = "iam.aws.upbound.io/v1beta1"
  kind = "RolePolicyAttachment"
  metadata.name = xrName + "-nodegroup-rpa-{}".format(i)
  spec.providerConfigRef.name = providerConfigName
  spec.deletionPolicy = deletionPolicy
  spec.forProvider = {
    policyArn = p
    roleSelector = {
      matchControllerRef = True
      matchLabels = {
        "role" = "nodegroup"
      }
    }
  }
} for i, p in nodeGroupRolePolicies]

此功能减少了冗余并提高了配置的可维护性。

4. 在组合资源之间传递数据,无需修补 XR 状态

从历史上看,在组合资源之间共享数据需要修补组合资源 (XR) 状态,详情请参阅 Crossplane 修补文档: 

https://docs.crossplane.io/latest/concepts/patch-and-transform/#patching-between-resources

此方法引入了额外的复杂性,并且需要额外的步骤,例如使用状态字段扩展 XR 规范、发布和使用 XR 状态中的数据。

KCL 函数简化了此过程,允许在配置语言本身内直接在组合资源之间传递数据。这消除了 XR 状态修补的需要,并简化了组件之间数据流的管理。借助 KCL,资源可以直接引用其他资源的输出,从而使配置更加直观并降低出错的可能性。

例如,考虑 AWS EKS 配置示例,其中 Cluster 资源 atProvider 字段的数据被读取并嵌入到新的规范中 SecurityGroup。以下是相关代码片段:

clusterSecurityGroupId = option("params")?.ocds?[kubernetesCluster.metadata.name]?.Resource?.status?.atProvider?.vpcConfig?[0]?.clusterSecurityGroupId or False
if clusterSecurityGroupId:
  clusterSecurityGroupImport = {
    apiVersion = "ec2.aws.upbound.io/v1beta1"
    kind = "SecurityGroup"
    metadata.name = clusterSecurityGroupId
    spec.providerConfigRef.name = providerConfigName
    spec.deletionPolicy = deletionPolicy
    spec.forProvider = {
      region = region
      tags = {
        "eks.aws.platform.upbound.io/discovery" = id
      }
    }
  }

这说明 KCL 能够有效促进资源之间的数据共享,简化配置过程并减少额外步骤的需要。

这些关键学习点为在 Crossplane 项目中有效利用 KCL 奠定了基础。通过掌握这些概念,开发人员可以充分利用 KCL 的强大功能来创建强大而动态的基础架构配置。这些基础步骤对于使用 KCL 引导 Composition 构建非常有用,但该语言本身提供了更多深度和功能可供探索,详情请参阅 https://www.kcl-lang.io/ 上的详尽文档。

此外,function-kcl 示例目录 https://github.com/crossplane-contrib/function-kcl/tree/main/examples 提供了丰富的实用示例,可重复使用并适用于各种 Crossplane 用例。

与其他函数的比较

1. Patch & Transform 函数

在 KCL 之前,Crossplane 中的动态配置管理是通过 function-patch-and-transform 等方法实现的。这种方法通过对基本 YAML 定义应用补丁和转换来实现一定程度的动态配置。虽然它在修改静态配置方面提供了灵活性,但它在处理循环和条件等更复杂的逻辑时往往受到限制,这要求开发人员在 YAML 的约束下工作。

2. Go Templating 函数

Crossplane 生态系统中的另一种方法是使用function-go-templating。此方法在 YAML 模板中引入了动态功能,例如循环、条件和流控制。虽然它增加了更复杂配置所需的灵活性,但也带来了与可维护性相关的重大挑战。管理和调试复杂的模板化 YAML 文件很快就会变得繁琐,尤其是在可读性和简单性至关重要的大型项目中。

相比之下,KCL 提供了一种平衡的方法,将静态 YAML 的优点与高级逻辑功能相结合。它提供了一种更清晰、更易于维护的语法来表达条件和迭代,而没有大量模板的缺点。KCL 的设计简化了管理复杂配置的过程,使其成为现代基础设施配置的有力选择。

进一步提升开发者体验:不只是在 YAML 中嵌入 KCL

虽然将 KCL 嵌入 YAML 配置中是向前迈出的宝贵一步,但它并不是完美的开发人员体验。YAML 中 KCL 表达式的混合有时会使配置的可读性和维护变得复杂。意识到这一点后,我发起了另一个拉取请求 https://github.com/upbound/configuration-aws-eks/pull/68 来增强我们的工作流程。

在这次增强中,我们开始使用专用的 KCL 文件进行配置定义。这种方法可以更清晰地分离关注点,其中 KCL 处理逻辑和动态方面,而 YAML 则作为输出格式。通过在 KCL 中编写配置,然后为 Crossplane 组合生成必要的 YAML,我们实现了更精简和更易于维护的设置。这种分离还使调试和修改配置变得更加容易,因为逻辑结构包含在 KCL 文件中,而生成的 Composition YAML 仍然干净且专注于其目的。

用户反馈和未来计划

我已经开始向 Upbound 用户介绍 KCL,反馈非常积极。用户对 KCL 为他们的配置工作流程带来的清晰度和可维护性改进表示赞赏。我们很高兴很快分享一篇详细的博客文章,重点介绍一个真实的用户故事,强调 KCL 在 Composition Building 中的应用。

结论

KCL 正在彻底改变开发人员与 Crossplane 交互的方式。通过提供更具表现力、类型安全且模块化的配置管理方法,KCL 增强了开发人员的体验并降低了构建 Crossplane 组合的复杂性。随着 Crossplane 生态系统的不断发展,采用 KCL 可能会在实现更高效、无错误的基础设施管理方面发挥关键作用。

虽然 KCL 确实存在学习曲线,但其丰富的文档和实际示例使过渡更加顺畅。此外,KCL Cheatsheet https://www.kcl-lang.io/assets/images/cheatsheet-9dd02ca1109d7a0b8f94114807250496.png 等资源对于快速上手非常有用。

Upbound 最近举办了一场网络研讨会 https://resources.upbound.io/all-content/whats-new-with-crossplane-v1-16,Jared 和 Viktor 分享了他们对 KCL 的实用看法。他们强调,KCL 比 CUE 更简单,同时避免了过于简单的方法,从而有效地平衡了简单性和功能性

无论您是经验丰富的 Crossplane 用户还是刚刚开始使用,将 KCL 集成到您的工作流程中都可以带来显著的好处,简化开发流程并使您能够专注于真正重要的事情:构建出色的应用程序。

如果您想更深入地了解 Crossplane 之旅,此后还将介绍如何使用 AWS 提供商使用 Upbound/Crossplane 创建功能齐全的 AWS EKS 集群。

https://www.upbound.io/resources/events/webinars/creating-functional-aws-eks-cluster-with-crossplane-upbound

打开链接下载源码: https://pan.quark.cn/s/bb4802fc03a0 在 VSCode 环境中构建开发平台及项目启动是至关重要的环节,对于开发者而言,熟练掌握这一环节能够显著提升开发工作的效率与成果。接下来,我们将详尽阐述如何构建 VSCode 开发环境并启动相关项目。 一、安装 Node.js 在着手构建 VSCode 开发环境之前,首要任务是安装 Node.js。Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时平台,主要应用于服务器端应用程序的开发。获取 Node.js 可以通过访问其官方网站下载安装包,并依照指示逐步完成安装流程。安装结束后,可在开始菜单中键入 cmd,随后输入 node -v 和 npm -v 以验证安装是否成功。 二、安装 Vue 引入 Vue 的目的是为了运用 Vue.js 框架进行 web 应用程序的开发。Vue.js 是一种渐进式的 JavaScript 框架,专门用于构建 web 应用程序。安装 Vue 可以借助 npm 或 cnpm 等工具实现。关键在于安装 Vue 的命令行界面(CLI)工具,并使用 Vue init 命令来创建全新的 Vue 项目。 三、设置环境变量 设置环境变量的目的是确保 Node.js 和 npm 工具能够正常运行。需要调整 PATH 变量,将 Node.js 的安装路径加入到 PATH 变量中。此外,还需安装 cnpm 工具,以提升 npm 的安装效率。同时,也要安装 Vue 的 CLI 工具,并对其进行环境变量的配置。 四、构建项目 构建项目涉及使用 Vue init 命令来创建新的 Vue 项目。需要打开 Terminal 菜单,选择 new...
内容概要:本文详细介绍了一种基于贝叶斯网络的短期电能负荷预测方法,特别关注电力系统中不确定性因素(如风电出力波动、负荷随机变化等)对预测精度的影响。通过构建贝叶斯网络模型,有效捕捉输入变量之间的概率依赖关系与联合分布特性,实现了在复杂不确定环境下更高精度的负荷预测。该方法结合Python编程语言完成算法实现,提供了完整的代码支持,便于复现与扩展。相较于传统点预测模型,该方法能够输出负荷的概率分布与置信区间,增强了预测结果的风险评估能力,适用于现代含高比例可再生能源的电力系统运行决策。; 适合人群:具备一定电力系统基础知识、概率统计理论背景以及Python编程能力的科研人员、高校研究生、能源领域工程师及从事智能电网、能源预测等相关工作的技术人员。; 使用场景及目标:①应用于短期电能负荷预测任务,尤其适用于风电、光伏等新能源接入场景下量化源-荷双重不确定性影响;②为微电网调度、电力市场出清、需求响应策略制定及电网安全稳定分析提供具备风险评估能力的负荷输入数据;③帮助研究人员深入理解贝叶斯网络在能源时序预测中的建模流程,包括结构学习、参数估计与概率推理等关键技术环节。; 阅读建议:建议读者结合文中提供的Python代码进行动手实践,重点理解贝叶斯网络的构建过程与不确定性传播机制,可通过引入实际历史负荷与气象数据进行模型训练与验证,并与其他主流预测模型(如LSTM、GRU、XGBoost等)开展对比实验,以全面评估其在不同场景下的鲁棒性与优越性。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 台达VFD037E43A变频器使用说明书包含了产品的基础安装、操作及维护等方面的全面信息,以下为其知识要点具体阐述: 1. 安全操作注意事项:在操作台达VFD037E43A变频器之前,说明书着重指出必须研读安全信息以保障操作人员与设备的双重安全。使用前应核实电源已切断,防止触碰带电线路,同时对内部电路板的静电防护措施也做了规定。此外,说明书还明确禁止非专业人员擅自改装变频器。 2. 接地规范:说明书说明了230V和460V系列变频器分别遵循第三类接地和特殊接地标准,从而确保了安全接地的合规性。 3. 安装与连接:说明书详尽说明了产品装置、搬运、接线方法、主回路端子及控制回路端子等环节,为用户正确配置和连接变频器提供了指导。 4. 零件选择:说明书内含零件选购参考,协助用户依据实际需求挑选适配的零件。 5. 参数调节:说明书中的“参数索引”及“参数深入解释”部分指导用户如何设定和调整变频器的运行参数。 6. 应用案例:在“成功实施案例”部分,说明书以实例形式向用户展示变频器在不同工作场景下的应用技巧。 7. 问题诊断:说明书提供了“警示代码解析”和“错误代码解析”,帮助用户识别变频器的常见故障并进行排除。 8. 通讯方式:说明书介绍了“CANopen通讯基础”和“BACnet应用指南及流程”,使用户能够掌握如何通过这些通讯方式将变频器融入工业自动化系统。 9. 特殊功能介绍:说明书还收录了“可编程逻辑控制器应用”和“PT100操作指南”,阐述了变频器的可编程逻辑控制器特性及温度传感器操作方法。 10. 网站与升级:说明书指出产品资料如有变动可通过台达电子工业自动化类产品的官方网...
代码转载自:https://pan.quark.cn/s/a4b39357ea24 DevExpress VCL v21.1.7 for Delphi 11 Alexandria是一个为Embarcadero Delphi 11 Alexandria量身定制的高级组件库,其核心目标是增强Delphi开发者的工作效率并提升应用程序的整体品质。该套件包含了大量的用户界面元素、数据可视化工具以及业务组件,能够全面满足从桌面软件到Web和移动应用的开发需求。 DevExpress VCL是基于Visual Component Library(VCL)架构的,而VCL是Delphi开发Windows应用的关键技术。VCL提供了许多标准化的组件,例如按钮、表格、菜单等,使得开发者能够迅速构建出具备专业外观和功能的应用程序。在此基础上,DevExpress的VCL扩展了该框架,引入了更多高级特性和功能,具体包括: 1. **用户界面元素**:涵盖了现代且适应性强的高级网格控件,如GridControl和TreeListControl,这些控件具备复杂的数据绑定、排序、过滤和分组能力。此外,还有RichEdit、BarManager、Ribbon、DockingPanels等工具,可用于设计复杂的界面布局和导航系统。 2. **数据绑定和编辑功能**:DevExpress提供了一系列高度可定制的编辑工具,例如DateEdit、TimeEdit、MaskEdit等,这些工具能够与多种数据库实现无缝的数据连接,确保数据输入的精确性和统一性。 3. **图表和报表工具**:涵盖了多种图表类型,如柱状图、饼图、线图,以及先进的数据可视化解决方案,用于生成交互式的报表和仪表板。这些组...
内容概要:本文围绕基于Matlab代码实现的卫星信号传播模拟研究,系统阐述了卫星信号在大气层及空间环境中传播特性的数值仿真方法。研究通过建立精确的数学模型,对信号衰减、传输延迟、多普勒效应以及噪声干扰等关键物理现象进行建模与仿真分析,全面还原实际通信场景下的信号行为特征。该仿真体系不仅可用于验证通信链路设计的可靠性,还能为星地链路预算、抗干扰策略优化及接收机算法开发提供理论依据和技术支持。; 适合人群:具备一定Matlab编程能力、通信原理基础和电磁波传播知识的高校研究生、科研机构研究人员及从事卫星通信系统设计与仿真的工程技术人员。; 使用场景及目标:①用于高校课程中卫星通信相关理论的教学演示与实验教学;②支撑航天通信项目的链路性能评估与系统参数优化;③为新型调制解调、纠错编码和信号增强算法的研发提供可验证的仿真平台;④辅助科研人员开展低轨星座、深空探测等前沿领域的通信建模研究; 阅读建议:建议读者结合经典通信理论教材,深入理解各模块的物理意义,动手运行并调试提供的Matlab代码,尝试调整轨道参数、大气模型和噪声水平等变量,观察其对信号质量的影响,进而拓展模型以适配不同卫星轨道类型或复杂多径环境,提升综合仿真与分析能力。
内容概要:本文围绕基于共识的捆绑算法(CBBA)在多智能体系统中的多任务分配问题展开研究,重点应用于远程太空船交会与维修的相对轨道操作(RPO)规划。通过Matlab代码实现了CBBA算法,系统地解决了多个航天器在复杂空间环境下协同执行多目标任务时的任务分配、路径规划与动态协商问题。研究详细展示了算法在任务分解、竞标机制、共识达成及冲突消解等方面的核心逻辑,验证了其在分布式决策、通信受限条件下的高效性与鲁棒性,并结合航天工程实际背景突出了算法的应用价值。该资源不仅提供完整的仿真代码,还包含详细的流程解析,有助于深入理解多智能体协同机制的设计原理。; 适合人群:具备控制理论、航天器动力学、多智能体系统或分布式优化背景的研究生、科研人员及航空航天领域工程技术人员,熟练掌握Matlab编程者尤佳。; 使用场景及目标:①应用于在轨服务、空间碎片清除、多航天器编队飞行、星座维护等多智能体协同任务的任务分配与规划;②为研究人员提供CBBA算法的实现范例,支撑其开展分布式任务规划算法的改进与扩展研究;③作为教学案例用于高级课程中讲解多智能体协同决策机制。; 阅读建议:建议结合Matlab代码逐模块分析算法实现过程,重点关注任务打包、竞标更新、共识收敛等关键环节,可尝试引入通信延迟、故障容错或障碍规避机制以进一步提升算法实用性。
源码链接: https://pan.quark.cn/s/a4b39357ea24 《信息学奥赛一本通》是一部专为信息学竞赛的入门者精心编写的指导书,其中包含了信息学竞赛所必需的基础知识,涵盖了算法、编程语言C/C++以及数据结构等关键要素。这一资源收集了该教材课后习题的解答,主要聚焦于基础部分,其目的在于辅助学习者巩固已学内容,并增强编程技能。 一、算法篇 《信息学奥赛基础篇练习一基本算法_CZ版.pdf》详细阐述了算法的基础知识。算法指的是解决各类问题的具体步骤和方法,在信息学竞赛中占据核心地位。在该章节中,学习者将接触到排序算法(诸如冒泡排序、选择排序、插入排序、快速排序、归并排序)、搜索算法(例如线性搜索、二分搜索)、图论基础(诸如最短路径问题、最小生成树)以及动态规划等核心概念和实际应用。掌握这些算法能够帮助学习者处理复杂问题,并有效提升计算效率。 二、C++语言篇 《信息学奥赛基础篇练习一C++语言_CZ版.pdf》则集中介绍了C++编程语言。C++是信息学竞赛中广泛应用的编程工具,以其卓越的性能和高度的适应性而著称。这一部分内容可能包括C++的基础语法,例如变量、数据类型、运算符、控制流程(比如if语句、for循环、while循环)、函数、数组、指针、类与对象、模板等。此外,还会介绍STL(Standard Template Library,标准模板库),包括容器(诸如vector、list、set、map)、算法(诸如排序、查找)和迭代器的运用,这些都是高效编程不可或缺的部分。 三、数据结构篇 《信息学奥赛基础篇练习一数据结构_CZ版.pdf》对数据结构进行了深入的探讨。数据结构是组织与存储数据的方法,对于优化算法具有决定性作用。这一部分可能...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值