IdeaMesh

CNI Plugins 调研1. 通用 CNI 插件 主要基于 containernetworking/plugins: Some reference and example networking plugins, maintained by the CNI team. (github.com) ，CNI 由CNI 官方社区维护的 CNI plugins 主要分为三类： Main: interface-creating: 主进程 CNI ,直接与 Linux 交流，创建接口、网络空间、对象等 IPAM: IP address allocation: 地址管理插件，主要负责 IP 地址管理和分配 Meta: other plugins: 其他的功能插件 Main: interface-creating 主进程 CNIbridge​ 创建虚拟网桥，并把本机（host）和容器（更准确说是network namespace）添加到其中 macvlan​ 创建一个新的 MAC 地址，将相关容器的所有流量都转发到该地址 ipvlan​ 类似于 macvlan创建虚拟局域网连接， ...

CNI 与 Pod 容器网络—— Linux 网络 Pod 容器在 kubernetes 网络中是怎样获取他的地址的呢? 如何保障 Pod IP 在整个集群当中的唯一性？ 容器流量如何在所给的IP之间相互转发？ 从 namespace 开始namespace 技术是 Linux 内核提供的一项非常重要的功能，也是容器虚拟化的基础技术，通过构建系统资源的边界，形成一个相对封闭的资源区域，也就是大家认识的容器。Linux 提供的 namespace 包括以下几个方面： 12345678910Linux provides the following namespaces:Namespace Constant IsolatesCgroup CLONE_NEWCGROUP Cgroup root directoryIPC CLONE_NEWIPC System V IPC, POSIX message queuesNetwork CLONE_NEWNET Network devices, stacks, po ...

使用 Golang 实现一个简易的 CNI对于 CNI 的功能实现将按照循序渐进的方式来进行实现目标 依据 config 文件创建 bridge 对象并分配 ns 对应的 ip 地址 提供容器网络通信服务 实验的代码和脚本可以在 IdeaMeshDyx/knetwork 中找到 设计简易的 CNI 工作逻辑由于 cni 提供的服务集中于节点的 L2/L3 层通信，所以基础的 cni 大致功能就是通过读取 config 文件配置在本地 Linux 环境当中给容器分配地址并通过 bridge 等设备建立通信能力。 依据上一篇博客所学习到的 cni 规范，我们可以将 cni 的基础工作逻辑梳理如下： kubelet 先创建 pause 容器创建对应的网络命名空间； cri 或者是 cni 主程序根据配置调用具体的 CNI 插件，可以配置成 CNI 插件链来进行链式调用； 当 CNI 插件被调用时，通过传入配置以及命令行参数来获得网络命名空间、容器的网络设备等必要信息，然后执行 ADD 、 DELETE 或者其他操作； CNI 插件给 pause 容器配置正确的网 ...

CNI 概述什么是 CNI CNI的全称是 Container Network Interface，它为容器提供了一种基于插件结构的标准化网络解决方案。以往，容器的网络层是和具体的底层网络环境高度相关的，不同的网络服务提供商有不同的实现。CNI从网络服务里抽象出了一套标准接口，从而屏蔽了上层网络和底层网络提供商的网络实现之间的差异。并且，通过插件结构，它让容器在网络层的具体实现变得可插拔了，所以非常灵活。 首先 CNI 是一套标准接口，它隶属于CNCF(Cloud Native Computing Foundation)，依照这个标准所实现的为 CNI Plugins, 他们彼此独立，也可以组合起来一起使用，由一组用于配置 Linux 容器的网络接口的规范和库组成，同时还包含了一些插件，CNI 仅关心容器创建时的网络分配，和当容器被删除时释放网络资源。 其次 依据 CNI 的规范，CNI 具有以下几点特征： CNI 需提供网络管理员定义网络配置的文件格式 CNI 需提供 Container Runtime（CRI） 调用功能的协议/API。 当 CNI 被 CRI 调用时 ...

机器学习与大模型大语言模型是机器学习技术中自然语言处理（NLP）领域的一个实际应用，通过具备大规模参数的深度学习模型，对自然语言进行建模和生成，具备理解和生成自然语言文本的能力。其中这些大语言模型会使用不同的神经网络架构，如循环神经网络（RNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）以及变换器（Transformer）等；他们可以看做是一个加工的盒子，通过输入大量的数据输出一个多参数集合的函数处理集合，这个集合就是大模型，它能够完成语言建模、文本分类、文本生成、机器翻译等工作，具体方式是给这个模型输入新的数据，通过这些多参数集合的函数处理后输出新的数据，然后将这些数据重新编码回自然语言。事实上，除了大语言模型，其他生成式的图片模型、视频模型等工作流程也类似。^1 ^2 简单来说，机器学习是训练一段软件（称为模型model，实际就是一个具备大量参数的函数处理集合）以做出数据识别或从数据生成内容的过程。本质上来说，模型是自机器学习系统通过各类方式抽象出来的数学关系 这样的方式是通过数学公式和方法去不断抽象数据及变化的特征，同时把这些特征转化为参数固定下来，比如模型需要关心一句 ...

Hexo Blog 记录博客搭建管理的技术栈和流程 博客的技术方案选择： [Hexo+github.io][https://hexo.io/zh-cn/] 博客模板选择： [Butterfly][https://butterfly.js.org/] 博客文件管理模式： 使用 docker环境管理：[独立使用 docker 编译环境][https://github.com/IdeaMeshDyx/dev-enviroment/tree/main/hexo] 首先是选择一个合适的博客管理技术栈，实际上借用已有的博客平台比如[掘金][https://juejin.cn/],[开源中国][https://www.oschina.net/],[CSDN][https://www.csdn.net/] 等可以节省自己部署成本，但是这些平台太过于复杂且页面风格等方面难以符合自己的需求，最重要的是太过于复杂和笨重。 使用静态博客需要花费更多的精力，但是也可以更贴近开发方式，也可以作为部分技术点的试验方式，故选用这个需要折腾的方式。目前最为著名的两个技术栈是： Jekyll：42.6k Git ...