Rumah pembangunan bahagian belakang Tutorial Python Membina Pelanggan Kubernetes untuk Enjin Kubernetes Google (GKE) dalam Python

Membina Pelanggan Kubernetes untuk Enjin Kubernetes Google (GKE) dalam Python

Nov 28, 2024 am 06:54 AM

Building a Kubernetes Client for Google Kubernetes Engine (GKE) in Python

Siaran blog ini memperkenalkan kaedah yang berkesan untuk mencipta klien Kubernetes untuk GKE dalam Python. Dengan memanfaatkan perpustakaan google-cloud-container, google-auth dan kubernetes, anda boleh menggunakan kod yang sama untuk berinteraksi dengan API Kubernetes tidak kira sama ada aplikasi anda berjalan secara setempat atau di Google Cloud. Fleksibiliti ini datang daripada menggunakan Application Default Credentials (ADC) untuk mengesahkan dan membina secara dinamik permintaan yang diperlukan untuk interaksi API Kubernetes, menghapuskan keperluan untuk alatan tambahan atau fail konfigurasi seperti kubeconfig.

Apabila dijalankan secara setempat, pendekatan biasa ialah menggunakan perintah mendapatkan kelayakan kluster kontena gcloud untuk menjana fail kubeconfig dan berinteraksi dengan API Kubernetes menggunakan kubectl. Walaupun aliran kerja ini semulajadi dan berkesan untuk persediaan setempat, aliran kerja ini menjadi kurang praktikal dalam persekitaran seperti Cloud Run atau perkhidmatan Google Cloud yang lain.

Dengan ADC, anda boleh menyelaraskan akses kepada API Kubernetes untuk kelompok GKE dengan mengkonfigurasi klien Kubernetes secara dinamik. Pendekatan ini memastikan cara yang konsisten dan cekap untuk menyambung ke kluster anda tanpa overhed mengurus fail konfigurasi luaran atau memasang alatan tambahan.


Prasyarat

1. Pengesahan dengan Google Cloud

Jika anda menjalankan kod secara setempat, hanya sahkan menggunakan arahan berikut:

gcloud auth application-default login
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Ini akan menggunakan kelayakan akaun pengguna anda sebagai Bukti Kelayakan Lalai Aplikasi (ADC).

Jika anda menjalankan kod pada perkhidmatan Google Cloud seperti Cloud Run, anda tidak perlu mengendalikan pengesahan secara manual. Cuma pastikan perkhidmatan tersebut mempunyai akaun perkhidmatan yang dikonfigurasikan dengan betul yang dilampirkan dengan kebenaran yang diperlukan untuk mengakses gugusan GKE.


2. Kumpulkan Butiran Kluster Anda

Sebelum menjalankan skrip, pastikan anda mempunyai butiran berikut:

  • ID Projek Awan Google: ID projek tempat gugusan GKE anda dihoskan.
  • Lokasi Kluster: Rantau atau zon tempat kluster anda berada (cth., us-central1-a).
  • Nama Kluster: Nama kluster Kubernetes yang ingin anda sambungkan.

Skrip

Di bawah ialah fungsi Python yang menyediakan klien Kubernetes untuk gugusan GKE.

gcloud auth application-default login
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Bagaimana Ia Berfungsi

1. Menyambung ke Kluster GKE

Fungsi get_k8s_client bermula dengan mengambil butiran kluster daripada GKE menggunakan pustaka google-cloud-container. Pustaka ini berinteraksi dengan perkhidmatan GKE, membolehkan anda mendapatkan maklumat seperti titik akhir API dan pihak berkuasa sijil (CA) kluster. Butiran ini penting untuk mengkonfigurasi klien Kubernetes.

from google.cloud import container_v1
import google.auth
import google.auth.transport.requests
from kubernetes import client as kubernetes_client
from tempfile import NamedTemporaryFile
import base64
import yaml

def get_k8s_client(project_id: str, location: str, cluster_id: str) -> kubernetes_client.CoreV1Api:
    """
    Fetches a Kubernetes client for the specified GCP project, location, and cluster ID.

    Args:
        project_id (str): Google Cloud Project ID
        location (str): Location of the cluster (e.g., "us-central1-a")
        cluster_id (str): Name of the Kubernetes cluster

    Returns:
        kubernetes_client.CoreV1Api: Kubernetes CoreV1 API client
    """

    # Retrieve cluster information
    gke_cluster = container_v1.ClusterManagerClient().get_cluster(request={
        "name": f"projects/{project_id}/locations/{location}/clusters/{cluster_id}"
    })

    # Obtain Google authentication credentials
    creds, _ = google.auth.default()
    auth_req = google.auth.transport.requests.Request()
    # Refresh the token
    creds.refresh(auth_req)

    # Initialize the Kubernetes client configuration object
    configuration = kubernetes_client.Configuration()
    # Set the cluster endpoint
    configuration.host = f'https://{gke_cluster.endpoint}'

    # Write the cluster CA certificate to a temporary file
    with NamedTemporaryFile(delete=False) as ca_cert:
        ca_cert.write(base64.b64decode(gke_cluster.master_auth.cluster_ca_certificate))
        configuration.ssl_ca_cert = ca_cert.name

    # Set the authentication token
    configuration.api_key_prefix['authorization'] = 'Bearer'
    configuration.api_key['authorization'] = creds.token

    # Create and return the Kubernetes CoreV1 API client
    return kubernetes_client.CoreV1Api(kubernetes_client.ApiClient(configuration))


def main():
    project_id = "your-project-id"  # Google Cloud Project ID
    location = "your-cluster-location"  # Cluster region (e.g., "us-central1-a")
    cluster_id = "your-cluster-id"  # Cluster name

    # Retrieve the Kubernetes client
    core_v1_api = get_k8s_client(project_id, location, cluster_id)

    # Fetch the kube-system Namespace
    namespace = core_v1_api.read_namespace(name="kube-system")

    # Output the Namespace resource in YAML format
    yaml_output = yaml.dump(namespace.to_dict(), default_flow_style=False)
    print(yaml_output)

if __name__ == "__main__":
    main()
Salin selepas log masuk
Salin selepas log masuk

Perlu ambil perhatian bahawa pustaka google-cloud-container direka untuk berinteraksi dengan GKE sebagai perkhidmatan, bukan secara langsung dengan API Kubernetes. Contohnya, semasa anda boleh menggunakan pustaka ini untuk mendapatkan maklumat kluster, naik taraf kluster atau mengkonfigurasi dasar penyelenggaraan—sama seperti yang anda boleh lakukan dengan perintah kluster bekas gcloud—anda tidak boleh menggunakannya untuk mendapatkan klien API Kubernetes secara langsung. Perbezaan inilah sebabnya fungsi membina klien Kubernetes secara berasingan selepas mengambil butiran kluster yang diperlukan daripada GKE.


2. Mengesahkan dengan Google Cloud

Untuk berinteraksi dengan API GKE dan Kubernetes, fungsi ini menggunakan Bukti Kelayakan Lalai Aplikasi (ADC) Google Cloud untuk mengesahkan. Begini cara setiap langkah proses pengesahan berfungsi:

google.auth.default()

Fungsi ini mendapatkan semula ADC untuk persekitaran di mana kod sedang dijalankan. Bergantung pada konteks, ia mungkin kembali:

  • Bukti kelayakan akaun pengguna (cth., daripada log masuk lalai aplikasi auth gcloud dalam persediaan pembangunan setempat).
  • Kelayakan akaun perkhidmatan (cth., apabila dijalankan dalam persekitaran Google Cloud seperti Cloud Run).

Ia juga mengembalikan ID projek yang berkaitan jika tersedia, walaupun dalam kes ini, hanya bukti kelayakan digunakan.

google.auth.transport.requests.Request()

Ini mencipta objek permintaan HTTP untuk mengendalikan permintaan rangkaian berkaitan pengesahan. Ia menggunakan perpustakaan permintaan Python secara dalaman dan menyediakan cara piawai untuk memuat semula bukti kelayakan atau meminta token akses.

creds.refresh(auth_req)

Apabila ADC diambil menggunakan google.auth.default(), objek bukti kelayakan pada mulanya tidak termasuk token akses (sekurang-kurangnya dalam persekitaran setempat). Kaedah refresh() secara eksplisit mendapatkan token akses dan melampirkannya pada objek bukti kelayakan, membolehkannya untuk mengesahkan permintaan API.

Kod berikut menunjukkan cara anda boleh mengesahkan tingkah laku ini:

gke_cluster = container_v1.ClusterManagerClient().get_cluster(request={
    "name": f"projects/{project_id}/locations/{location}/clusters/{cluster_id}"
})
Salin selepas log masuk

contoh output:

# Obtain Google authentication credentials
creds, _ = google.auth.default()
auth_req = google.auth.transport.requests.Request()

# Inspect credentials before refreshing
print(f"Access Token (before refresh()): {creds.token}")
print(f"Token Expiry (before refresh()): {creds.expiry}")

# Refresh the token
creds.refresh(auth_req)

# Inspect credentials after refreshing
print(f"Access Token (after): {creds.token}")
print(f"Token Expiry (after): {creds.expiry}")
Salin selepas log masuk

Sebelum memanggil refresh(), atribut token ialah Tiada. Selepas muat semula() digunakan, bukti kelayakan diisi dengan token akses yang sah dan masa tamat tempohnya.


3. Mengkonfigurasi Pelanggan Kubernetes

Klien Kubernetes dikonfigurasikan menggunakan titik akhir API kluster, fail sementara untuk sijil CA dan token Pembawa yang dimuat semula. Ini memastikan bahawa pelanggan boleh mengesahkan dan berkomunikasi dengan gugusan dengan selamat.

gcloud auth application-default login
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Sijil CA disimpan sementara dan dirujuk oleh pelanggan untuk komunikasi SSL yang selamat. Dengan tetapan ini, klien Kubernetes dikonfigurasikan sepenuhnya dan bersedia untuk berinteraksi dengan kluster.


Contoh Output

Berikut ialah contoh output YAML untuk Ruang Nama sistem kube:

from google.cloud import container_v1
import google.auth
import google.auth.transport.requests
from kubernetes import client as kubernetes_client
from tempfile import NamedTemporaryFile
import base64
import yaml

def get_k8s_client(project_id: str, location: str, cluster_id: str) -> kubernetes_client.CoreV1Api:
    """
    Fetches a Kubernetes client for the specified GCP project, location, and cluster ID.

    Args:
        project_id (str): Google Cloud Project ID
        location (str): Location of the cluster (e.g., "us-central1-a")
        cluster_id (str): Name of the Kubernetes cluster

    Returns:
        kubernetes_client.CoreV1Api: Kubernetes CoreV1 API client
    """

    # Retrieve cluster information
    gke_cluster = container_v1.ClusterManagerClient().get_cluster(request={
        "name": f"projects/{project_id}/locations/{location}/clusters/{cluster_id}"
    })

    # Obtain Google authentication credentials
    creds, _ = google.auth.default()
    auth_req = google.auth.transport.requests.Request()
    # Refresh the token
    creds.refresh(auth_req)

    # Initialize the Kubernetes client configuration object
    configuration = kubernetes_client.Configuration()
    # Set the cluster endpoint
    configuration.host = f'https://{gke_cluster.endpoint}'

    # Write the cluster CA certificate to a temporary file
    with NamedTemporaryFile(delete=False) as ca_cert:
        ca_cert.write(base64.b64decode(gke_cluster.master_auth.cluster_ca_certificate))
        configuration.ssl_ca_cert = ca_cert.name

    # Set the authentication token
    configuration.api_key_prefix['authorization'] = 'Bearer'
    configuration.api_key['authorization'] = creds.token

    # Create and return the Kubernetes CoreV1 API client
    return kubernetes_client.CoreV1Api(kubernetes_client.ApiClient(configuration))


def main():
    project_id = "your-project-id"  # Google Cloud Project ID
    location = "your-cluster-location"  # Cluster region (e.g., "us-central1-a")
    cluster_id = "your-cluster-id"  # Cluster name

    # Retrieve the Kubernetes client
    core_v1_api = get_k8s_client(project_id, location, cluster_id)

    # Fetch the kube-system Namespace
    namespace = core_v1_api.read_namespace(name="kube-system")

    # Output the Namespace resource in YAML format
    yaml_output = yaml.dump(namespace.to_dict(), default_flow_style=False)
    print(yaml_output)

if __name__ == "__main__":
    main()
Salin selepas log masuk
Salin selepas log masuk

Kesimpulan

Pendekatan ini menyerlahkan kemudahalihan menggunakan kod yang sama untuk berinteraksi dengan API Kubernetes, sama ada berjalan secara setempat atau pada perkhidmatan Google Cloud seperti Cloud Run. Dengan memanfaatkan Bukti Kelayakan Lalai Aplikasi (ADC), kami telah menunjukkan kaedah yang fleksibel untuk menjana klien API Kubernetes secara dinamik tanpa bergantung pada fail konfigurasi pra-jana atau alatan luaran. Ini memudahkan untuk membina aplikasi yang boleh menyesuaikan dengan lancar kepada persekitaran yang berbeza, memudahkan kedua-dua aliran kerja pembangunan dan penggunaan.

Atas ialah kandungan terperinci Membina Pelanggan Kubernetes untuk Enjin Kubernetes Google (GKE) dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

<🎜>: Bubble Gum Simulator Infinity - Cara Mendapatkan dan Menggunakan Kekunci Diraja
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Cara Membuka Kunci Cangkuk Bergelut
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Sistem Fusion, dijelaskan
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1668
14
Tutorial PHP
1273
29
Tutorial C#
1256
24
Python: Permainan, GUI, dan banyak lagi Python: Permainan, GUI, dan banyak lagi Apr 13, 2025 am 12:14 AM

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python vs C: Meneroka Prestasi dan Kecekapan Python vs C: Meneroka Prestasi dan Kecekapan Apr 18, 2025 am 12:20 AM

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array? Apr 27, 2025 am 12:03 AM

Pythonlistsarepartofthestandardlibrary, sementara

Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Pembelajaran Python: Adakah 2 jam kajian harian mencukupi? Apr 18, 2025 am 12:22 AM

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Python vs C: Memahami perbezaan utama Python vs C: Memahami perbezaan utama Apr 21, 2025 am 12:18 AM

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

See all articles