使用 Python 为 Google Kubernetes Engine (GKE) 构建 Kubernetes 客户端
这篇博文介绍了一种使用 Python 为 GKE 创建 Kubernetes 客户端的有效方法。通过利用 google-cloud-container、google-auth 和 kubernetes 库,无论您的应用程序是在本地运行还是在 Google Cloud 上运行,您都可以使用相同的代码与 Kubernetes API 进行交互。这种灵活性来自于使用应用程序默认凭证(ADC)来验证和动态构建 Kubernetes API 交互所需的请求,从而无需使用额外的工具或配置文件(如 kubeconfig)。
本地运行时,常见的方法是使用 gcloud 容器集群 get-credentials 命令生成 kubeconfig 文件并使用 kubectl 与 Kubernetes API 交互。虽然此工作流程对于本地设置来说是自然且有效的,但在 Cloud Run 或其他 Google Cloud 服务等环境中却变得不太实用。
借助 ADC,您可以通过动态配置 Kubernetes 客户端来简化对 GKE 集群的 Kubernetes API 的访问。这种方法可确保以一致、高效的方式连接到集群,而无需管理外部配置文件或安装额外工具的开销。
先决条件
1. 使用 Google Cloud 进行身份验证
如果您在本地运行代码,只需使用以下命令进行身份验证:
这将使用您的用户帐户凭据作为应用程序默认凭据(ADC)。
如果您在 Cloud Run 等 Google Cloud 服务上运行代码,则无需手动处理身份验证。只需确保该服务具有正确配置的服务帐户,并具有访问 GKE 集群所需的权限。
2. 收集您的集群详细信息
运行脚本之前,请确保您了解以下详细信息:
- Google Cloud 项目 ID:托管 GKE 集群的项目的 ID。
- 集群位置:集群所在的区域或可用区(例如 us-central1-a)。
- 集群名称:您要连接的 Kubernetes 集群的名称。
脚本
下面是为 GKE 集群设置 Kubernetes 客户端的 Python 函数。
它是如何运作的
1. 连接GKE集群
get_k8s_client 函数首先使用 google-cloud-container 库从 GKE 获取集群详细信息。该库与 GKE 服务交互,允许您检索集群的 API 端点和证书颁发机构 (CA) 等信息。这些详细信息对于配置 Kubernetes 客户端至关重要。
需要注意的是,google-cloud-container 库是为与 GKE 作为服务交互而设计的,而不是直接与 Kubernetes API 交互。例如,虽然您可以使用此库检索集群信息、升级集群或配置维护策略(类似于使用 gcloud 容器集群命令执行的操作),但您无法使用它直接获取 Kubernetes API 客户端。这种区别就是为什么该函数在从 GKE 获取必要的集群详细信息后单独构建 Kubernetes 客户端。
2. 使用 Google Cloud 进行身份验证
为了与 GKE 和 Kubernetes API 交互,该函数使用 Google Cloud 的应用程序默认凭据 (ADC) 进行身份验证。以下是身份验证过程的每个步骤的工作原理:
google.auth.default()
此函数检索代码运行环境的 ADC。根据上下文,它可能会返回:
- 用户帐户凭据(例如,来自本地开发设置中的 gcloud auth 应用程序默认登录)。
- 服务帐户凭据(例如,在 Cloud Run 等 Google Cloud 环境中运行时)。
它还会返回关联的项目 ID(如果可用),尽管在本例中仅使用凭据。
google.auth.transport.requests.Request()
这将创建一个 HTTP 请求对象,用于处理与身份验证相关的网络请求。它在内部使用 Python 的 requests 库,并提供标准化的方法来刷新凭据或请求访问令牌。
creds.refresh(auth_req)
当使用 google.auth.default() 检索 ADC 时,凭证对象最初不包含访问令牌(至少在本地环境中)。 fresh() 方法显式获取访问令牌并将其附加到凭证对象,使其能够对 API 请求进行身份验证。
以下代码演示了如何验证此行为:
示例输出:
调用refresh()之前,token属性为None。调用刷新()后,凭证将填充有效的访问令牌及其到期时间。
3.配置Kubernetes客户端
Kubernetes 客户端是使用集群的 API 端点、CA 证书的临时文件和刷新的承载令牌进行配置的。这确保客户端可以安全地进行身份验证并与集群通信。
CA 证书临时存储并由客户端引用以进行安全 SSL 通信。通过这些设置,Kubernetes 客户端已完全配置并准备好与集群交互。
示例输出
这是 kube-system 命名空间的 YAML 输出示例:
结论
这种方法强调了使用相同代码与 Kubernetes API 交互的可移植性,无论是在本地运行还是在 Cloud Run 等 Google Cloud 服务上运行。通过利用应用程序默认凭证 (ADC),我们演示了一种灵活的方法来动态生成 Kubernetes API 客户端,而无需依赖预先生成的配置文件或外部工具。这使得构建能够无缝适应不同环境的应用程序变得容易,从而简化了开发和部署工作流程。
以上是使用 Python 为 Google Kubernetes Engine (GKE) 构建 Kubernetes 客户端的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。 Python以简洁和强大的生态系统着称,C 则以高性能和底层控制能力闻名。

Python在游戏和GUI开发中表现出色。1)游戏开发使用Pygame,提供绘图、音频等功能,适合创建2D游戏。2)GUI开发可选择Tkinter或PyQt,Tkinter简单易用,PyQt功能丰富,适合专业开发。

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

2小时内可以学会Python的基本编程概念和技能。1.学习变量和数据类型,2.掌握控制流(条件语句和循环),3.理解函数的定义和使用,4.通过简单示例和代码片段快速上手Python编程。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在web开发、数据科学、机器学习、自动化和脚本编写等领域有广泛应用。1)在web开发中,Django和Flask框架简化了开发过程。2)数据科学和机器学习领域,NumPy、Pandas、Scikit-learn和TensorFlow库提供了强大支持。3)自动化和脚本编写方面,Python适用于自动化测试和系统管理等任务。

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。
