K8s現有工具的侷限與突破

在雲端原生（Cloud Native）技術蓬勃發展的今日，Kubernetes已成為容器管理的標準平台。作為一位經常與Kubernetes打交道的技術工作者，玄貓深刻體會到範本工具在日常工作中的重要性。無論是作為套件管理工具一部分的Helm、Ksonnet，還是單純的範本語言如Jinja2或Go template，每種工具都有其特色與限制。今天，讓我們一同探討這些工具的優缺點，並思考如何開發一個更好的解決方案。

Helm的困境與現實

在多年的容器技術諮詢經驗中，玄貓觀察到Helm雖然廣受歡迎，但確實存在一些根本性的問題。最主要的技術缺陷在於，Helm處理的是字串（String）而非物件（Object），這與Kubernetes資源清單（Manifest）的本質（JSON物件）產生了不小的落差。

實際開發的痛點

在實際開發Helm 圖表時，最令人頭疼的就是YAML縮排的處理。玄貓曾在一個大型金融科技專案中遇到這樣的情況：

spec:
  jobTemplate:
    spec:
      template:
        spec:
          containers:
          - name: my-awesome-container
            resources:
              {{ toYaml .Values.resources | indent 14 }}

這種縮排處理不僅容易出錯，還大幅降低了程式碼的可維護性。當專案規模擴大，這類別問題會變得更加棘手。

Helm的優勢所在

儘管如此，作為容器套件管理的實質標準，Helm仍有其不可忽視的優點：

龐大的社群支援與豐富的公開圖表資源函式庫. 相對友善的語法結構（YAML + Go Template）
即將推出的Helm 3版本可能會帶來重大改進

Ksonnet的創新與侷限

在探索替代方案時，玄貓發現Ksonnet採用了截然不同的處理邏輯。它根據Jsonnet範本語言開發，最大的優勢在於直接處理物件，而非字串。

Ksonnet的技術優勢

以下是一個典型的Ksonnet範例：

local k = import "k.libsonnet";
local deployment = k.apps.v1beta1.deployment;

local appDeployment = deployment.new(
  params.name,
  params.replicas,
  container.new(params.name, params.image)
    .withPorts(containerPort.new(targetPort)),
  labels
);

這種物件導向的方法讓程式碼更容易維護，也更符合Kubernetes API的本質。然而，當需要處理從YAML或JSON匯入的純JSON物件時，程式碼的可讀性就會大幅下降。

實務應用的挑戰

在實際專案中，玄貓發現Ksonnet雖然概念優秀，但在處理複雜的佈署情境時仍有其限制。例如，當需要整合既有的YAML設定檔案，或是處理大量的客製化設定時，程式碼很容易變得難以管理。

從這些經驗中，玄貓認為一個理想的Kubernetes範本工具應該：

直接處理物件而非字串
提供簡潔與直觀的語法
保持與現有工具生態系統的相容性
支援彈性的客製化需求

在下一部分，我們將探討如何結合這些見解，開發出一個更好的範本工具。

在多年的容器化佈署實踐中，玄貓觀察到Kubernetes生態系統中的佈署工具一直在不斷演進。今天，讓我們探討這個技術領域的發展，特別是從Ksonnet的經驗中汲取教訓，探索更好的解決方案。

Ksonnet的優勢與侷限

在實際專案中，玄貓發現Ksonnet相較於Helm提供了更優雅的物件操作方式。例如，當我們需要擴充套件nginx佈署的副本數時，可以使用如下方式：

components: {
  "deployment-nginx-deployment-dkecx"+: {
    spec+: {
      replicas: 10,
      template+: {
        spec+: {
          containers+: [{
            name: "nginx",
            image: "nginx:latest",
            ports: [{containerPort: 80}]
          }]
        }
      }
    }
  }
}

這種方式確實比Helm中處理字串範本更加直觀和安全。然而，從我的經驗來看，Ksonnet也存在一些明顯的限制。

社群支援的挑戰

在帶領團隊匯入Ksonnet時，很快就發現了一個實際問題：相較於Helm，Ksonnet的社群規模較小，可用的套件也較少。雖然可以匯入Helm charts到Ksonnet專案中，但必須將其轉換為JSON物件處理，這增加了額外的複雜度。

功能缺失的困擾

在一個大型微服務專案中，玄貓遇到了一個經典問題。Helm允許我們輕鬆地從目錄建立ConfigMap：

apiVersion: v1
kind: ConfigMap
metadata:
  name: conf
data:
  {{- (.Files.Glob "foo/*").AsConfig | nindent 2 }}

但在Ksonnet中卻找不到類別似的功能，這迫使我們不得不開發替代方案，增加了開發成本和維護負擔。

理想佈署工具的關鍵要素

根據多年的佈署經驗，玄貓認為一個理想的Kubernetes佈署工具應該具備以下特質：

以物件而非字串為核心：確保設定的型別安全和可維護性
支援Kubernetes API相容的物件操作：降低學習成本
強大的字串處理能力：處理各種設定需求
良好的JSON和YAML格式支援：確保與生態系統的相容性
使用者友善：降低開發團隊的入門檻
簡單直觀：避免過度複雜的抽象
支援現有Helm charts：保持與生態系統的銜接

Python：意想不到的解決方案

經過深入評估，玄貓發現Python其實非常適合作為Kubernetes佈署工具的開發語言。它不僅滿足上述所有要求，還提供了額外的優勢：

豐富的程式函式庫系統
官方Kubernetes Python客戶端的支援
優秀的字串處理能力
出色的JSON和YAML處理能力
低學習門檻
龐大的開發者社群

這促使我開始根據Kubernetes官方Python客戶端開發更簡單與功能完整的佈署工具。這個決定源於實際需求，而不是單純的技術偏好。

在容器化佈署這條路上，玄貓深刻體會到工具選擇的重要性。有時候，最好的解決方案可能不是使用現成的工具，而是根據實際需求開發符合團隊需求的新工具。透過對既有工具的深入理解和分析，我們能夠做出更好的技術選擇，這正是技術發展的本質。

在多年的容器化技術實踐中，玄貓發現 Helm 雖然是管理 Kubernetes 應用程式的強大工具，但有時我們需要更靈活的程式化方式來處理套件管理。今天要分享如何使用 Python 建立一個自訂的 Helm 套件管理工具，這個工具能夠讓我們以程式碼的方式處理 Kubernetes 資源設定。

工具架構設計

在開發這個工具時，玄貓採用了以下核心設計原則：

利用 Kubernetes Python 函式庫資源物件
支援現有 Helm 圖表的相容性
提供程式化的範本產生機制
實作簡潔的相依性管理系統

基礎功能實作

專案結構設計

工具的目錄結構與 Helm 相似，這樣的設計讓現有 Helm 使用者能夠快速上手：

.
├── dependencies
├── prod.yaml
├── requirements.yaml
├── templates
│   ├── custom-resource.py
│   ├── deployment.py
│   └── service-helm.py
└── values.yaml

相依性管理實作

requirements.yaml 檔案維持與 Helm 相同的格式，方便整合現有生態系統：

dependencies:
- name: mysql
  version: 0.13.1
  repository: https://kubernetes-charts.storage.googleapis.com/

佈署設定程式化

以下是一個使用 Python 建立 Nginx 佈署的範例：

from kubernetes import client
from karavel.helpers import Values

def template():
    values = Values().values
    
    # 設定 Pod 容器設定
    container = client.V1Container(
        name='nginx',
        image='{}:{}'.format(
            values.nginx.image.repository, 
            values.nginx.image.tag
        ),
        ports=[client.V1ContainerPort(container_port=80)]
    )
    
    # 建立 Pod 範本
    template = client.V1PodTemplateSpec(
        metadata=client.V1ObjectMeta(labels={'app': 'nginx'}),
        spec=client.V1PodSpec(containers=[container])
    )
    
    # 設定佈署規格
    spec = client.ExtensionsV1beta1DeploymentSpec(
        replicas=3,
        template=template
    )

Values().values：這是一個自訂的輔助類別，用於讀取設定值，類別似 Helm 的 values.yaml 機制。
client.V1Container：
- 建立容器定義
- 設定容器名稱為 ’nginx'
- 使用設定檔中定義的映像檔版本
- 開放 80 埠供服務使用
client.V1PodTemplateSpec：
- 定義 Pod 範本
- 設定標籤用於服務選擇
- 指定 Pod 規格包含上述容器
client.ExtensionsV1beta1DeploymentSpec：
- 建立佈署規格
- 設定副本數為 3
- 使用上述 Pod 範本

這種程式化的方式讓我們能夠：

動態調整設定
加入自訂邏輯
實作更複雜的佈署策略
方便進行版本控制

Docker 整合與使用方式

玄貓為了讓工具更容易使用，特別提供了 Docker 映像檔，使用方式如下：

# 顯示說明
docker run greegorey/karavel -h

# 掛載本地目錄並執行範本產生
docker run -v $PWD:/chart greegorey/karavel template

在實際專案中，這種方式特別適合整合到 CI/CD 流程中，因為它：

不需要在環境中安裝額外的工具
確保工具版本一致性
方便在不同環境中使用

相依性管理機制

工具提供了 ensure 指令來管理 Helm 圖表依賴：

karavel ensure

執行後，相依的圖表會被下載到 dependencies 目錄中，這讓我們能夠：

確保版本一致性
離線使用圖表
方便進行版本控制
自訂圖表修改

在多年的容器化實踐中，玄貓發現良好的相依性管理對於維護大型專案至關重要。這個工具的設計特別注重這一點，確保團隊能夠有效管理和追蹤所有相依套件。

這套工具不僅簡化了 Kubernetes 資源的管理，更為開發團隊提供了更大的彈性。透過程式碼來管理設定，我們能夠實作更複雜的佈署邏輯，同時保持程式碼的可維護性。在實際專案中，這種方式已經幫助玄貓的團隊大幅提升了佈署效率和可靠性。

在多年的容器化實務經驗中，玄貓發現傳統的 Kubernetes 佈署方式往往過於複雜與缺乏靈活性。今天要分享如何運用 Python 建構更優雅的 Kubernetes 範本系統，這套方案不僅能簡化佈署流程，更能提供更好的程式碼可維護性。

Kubernetes 物件的 Python 實作

在設計 Kubernetes 範本時，我們首先需要了解如何使用 Python 建立基本的佈署物件。以下是一個典型的範例：

from kubernetes import client
from karavel.helpers import Values

def template():
    # 取得設定值
    values = Values().values
    
    # 定義容器規格
    container = client.V1Container(
        name='nginx',
        image=f"{values.nginx.image.repository}:{values.nginx.image.tag}"
    )
    
    # 建立 Pod 範本
    template = client.V1PodTemplateSpec(
        metadata=client.V1ObjectMeta(labels={'app': 'nginx'}),
        spec=client.V1PodSpec(containers=[container])
    )
    
    # 設定佈署規格
    spec = client.V1DeploymentSpec(
        replicas=3,
        selector=client.V1LabelSelector(
            match_labels={'app': 'nginx'}
        ),
        template=template
    )
    
    # 建立完整佈署物件
    deployment = client.V1Deployment(
        metadata=client.V1ObjectMeta(name='nginx-deployment'),
        spec=spec
    )    
    return deployment

內容解密

讓玄貓為各位解析這段程式碼的重要元素：

Values().values：這是一個設定管理機制，類別似於 Helm 的 values 檔案，用於集中管理佈署引數。
V1Container：定義容器的基本設定，包含名稱和映像檔來源。這裡我們使用變數來設定映像檔，增加佈署的靈活性。
V1PodTemplateSpec：定義 Pod 的範本，包含標籤設定和容器規格。這是 Kubernetes 佈署的核心元件。
V1DeploymentSpec：設定佈署的細節，如副本數量和選擇器規則。這決定了應用程式如何在叢集中執行。

Helm 圖表的整合運用

在實際專案中，我們常需要整合現有的 Helm 圖表。以下是玄貓整合 MySQL Helm 圖表的方式：

from kubernetes import client
from karavel.helm import Helm圖表
from karavel.helpers import Values

def template():
    values = Values().values
    
    # 初始化 Helm 圖表
    chart = Helm圖表(
        name='mysql', 
        version='0.13.1', 
        values=values.mysql.helm
    )
    
    # 取得服務物件
    service = chart.get(
        name='svc', 
        obj_class=client.V1Service
    )
    
    # 自訂連線埠設定
    custom_ports = [
        client.V1ServicePort(
            name='my-custom-port',
            protocol=values.mysql.protocol,
            port=values.mysql.port,
            target_port=39000
        )
    ]
    
    # 修改服務設定
    service.spec['ports'] = custom_ports
    service.metadata['labels']['release'] += '-suffix'
    del service.metadata['labels']['heritage']
    
    return service

內容解密

這段程式碼展示瞭如何靈活運用 Helm

Helm圖表 類別：提供了與 Helm 圖表互動的介面，允許我們載入並修改現有的圖表。
chart.get()：這個方法讓我們能夠取得圖表中特定的 Kubernetes 物件。這裡我們取得了服務（Service）物件。
客製化修改：我們可以輕鬆地修改從圖表中取得的物件，例如增加新的連線埠設定或修改標籤。

自訂資源定義（CRD）的處理

在處理自訂資源時，由於 Kubernetes API 的限制，我們需要採用不同的方法：

from kubernetes import client

def template():
    resource = {
        'apiVersion': 'stable.example.com/v1',
        'kind': 'Whale',
        'metadata': client.V1ObjectMeta(
            name='my-object'
        ),
        'spec': {
            'image': 'my-whale-image:0.0.1',
            'tail': 1,
            'fins': 4
        }
    }
    return resource

內容解密

在處理 CRD 時，我們採用直接的字典結構：

apiVersion 和 kind：定義 CRD 的 API 版本和類別。
metadata：仍然可以使用 Kubernetes 客戶端的 V1ObjectMeta。
spec：使用純字典格式定義資源的規格，這提供了最大的靈活性。

在多年的容器化實踐中，玄貓發現這種 Python 主導的方式不僅提供了更好的程式碼組織性，還能讓開發團隊更容易理解和維護佈署設定。透過程式碼而非純 YAML 來管理設定，我們能夠實作更複雜的邏輯，同時保持程式碼的可讀性和可維護性。

結合環境特定的 values 檔案，我們還能輕鬆處理不同環境的佈署需求。這種方式特別適合需要在多個環境間管理複雜佈署的團隊。透過程式碼版本控制和審查機制，我們能夠更好地追蹤和管理設定的變更。

在多年的容器化佈署實戰中，玄貓發現Helm雖然強大，但仍存在一些限制。這促使玄貓深入研究如何運用Python開發更靈活的Kubernetes範本工具。今天就讓玄貓分享這個探索過程，以及如何突破現有工具的侷限。

深入理解Kubernetes範本需求

在企業級佈署中，範本工具需要處理複雜的命名和許可權管理。透過releaseName和namespace引數，我們可以在Helm中靈活設定應用程式命名和RBAC策略。玄貓在實際專案中發現，這種方式雖然實用，但在大規模佈署時往往需要更細緻的控制。

Python驅動的範本引擎優勢

環境設定管理

玄貓設計的方案允許透過多個設定檔案來處理不同環境的需求：

# 基礎設定 values.yaml
deployment:
  replicas: 2
  image: nginx:1.14-alpine

# 生產環境設定 prod.yaml
deployment:
  replicas: 3

資源定義範例

在實際佈署中，玄貓常用的資源定義結構如下：

apiVersion: stable.example.com/v1
kind: Whale
metadata:
  name: my-object
spec:
  fins: 4
  image: my-whale-image:0.0.1
  tail: 1

此設定展現了自定義資源（Custom Resource）的靈活應用，這是玄貓在大規模微服務架構中常用的模式。

進階功能整合

安全性處理

在處理機密資訊時，玄貓建議整合多重安全機制：

Base64編碼：使用Python的base64模組處理基本編碼需求
Vault整合：透過hvac客戶端實作與HashiCorp Vault的安全整合
加密雜湊：使用PyCrypto確保資料完整性

動態資源擷取

玄貓在實務中發現，動態擷取設定是不可或缺的功能：

import importlib
import requests

def fetch_config(url):
    response = requests.get(url)
    return response.json()

為何選擇Python開發範本工具？

在多年的容器化實戰經驗中，玄貓觀察到Python具有以下優勢：

強大的標準函式庫
豐富的第三方套件生態系統
簡潔易讀的語法
優秀的社群支援

這些特性使得Python成為開發Kubernetes工具的理想選擇。玄貓在實際專案中，常能夠快速實作客製化需求，這是使用現成工具時難以達成的。

實用的應用場景

在玄貓的實務經驗中，Python範本工具特別適合以下場景：

需要複雜邏輯處理的佈署流程
要整合多個外部系統的情況
需要細緻許可權控制的環境
有特殊安全需求的專案

這並非否定Helm的價值，而是在特定場景下提供更靈活的選擇。玄貓在當前專案中仍然使用Helm，但對於某些特殊需求，會選擇使用客製化的Python工具。

此專案目前作為概念驗證，展示了我們可以開發出比Helm更符合特定需求的範本工具。如果社群對這類別工具有需求，玄貓非常歡迎大家一起參與開發。當然，我們也可以期待Helm 3的發布，看它是否能解決這些需求。

透過本文的分享，玄貓展示瞭如何運用Python開發Kubernetes範本工具，支援Kubernetes API相容物件，並能匯入Helm圖表。這個方案不僅展現了技術可行性，更說明瞭在容器化佈署工具領域仍有創新空間。期待這些想法能為社群帶來更多討論與啟發。

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。

K8s現有工具的侷限與突破

Helm的困境與現實

實際開發的痛點

Helm的優勢所在

Ksonnet的創新與侷限

Ksonnet的技術優勢

實務應用的挑戰

Ksonnet的優勢與侷限

社群支援的挑戰

功能缺失的困擾

理想佈署工具的關鍵要素

Python：意想不到的解決方案

工具架構設計

基礎功能實作

專案結構設計

相依性管理實作

佈署設定程式化

Docker 整合與使用方式

相依性管理機制

Kubernetes 物件的 Python 實作

內容解密

Helm 圖表 的整合運用

內容解密

自訂資源定義（CRD）的處理

內容解密

深入理解Kubernetes範本需求

Python驅動的範本引擎優勢

環境設定管理

資源定義範例

進階功能整合

安全性處理

動態資源擷取

為何選擇Python開發範本工具？

實用的應用場景

玄貓

Helm 圖表的整合運用