[译] Service Mesh Interface (SMI) 以及我们对社区和生态系统的愿景

栏目: 编程工具 · 发布时间: 4年前

内容简介:英文原文来自服务网格生态系统正在兴起,众多的网格供应商和不同的用例需要不同的技术。所以问题来了:我们如何实现在不破坏最终用户体验的前提下促进行业创新?通过以一组标准API达成一致,我们可以提供互操作性,并在不同网格以及为这些网格构建的工具之上维持最终用户体验。今天发布的 Service Mesh Interface(SMI)是使这一构想走向行业现实的重要一步。

英文原文来自 Service Mesh Interface (SMI) and our Vision for the Community and Ecosystem ,作者 Idit Levine ,是初创公司 solo.io 的创始人兼CEO。

服务网格生态系统正在兴起,众多的网格供应商和不同的用例需要不同的技术。所以问题来了:我们如何实现在不破坏最终用户体验的前提下促进行业创新?通过以一组标准API达成一致,我们可以提供互操作性,并在不同网格以及为这些网格构建的 工具 之上维持最终用户体验。

今天发布的 Service Mesh Interface(SMI)是使这一构想走向行业现实的重要一步。

SMI 是在 Kubernetes 上运行服务网格的规范。它定义了由各种供应商实现的通用标准。这使得最终用户的标准化和服务网格供应商的创新可以两全其美。SMI 实现了灵活性和互操作性。

SMI最大限度地降低复杂度,同时最大化服务网格的优势

不同服务网格的复杂度和差异使得难以研究和运营单个解决方案,更不用说多个解决方案。为了让服务网格的采用变得简单而平滑,Solo.io 正在与 Microsoft 和其他公司合作,对接口进行标准化,以确保优异的用户体验,以及生态系统在实现创新时的一致性和互操作性。

SMI负责与网格相关的关键功能,包括加密,遥测和跟踪。启动这些功能就像按开关一般简单,完全不需要复杂的配置步骤。

SMI将简化以尝试不同的网格并在它们之间进行迁移。标准接口和API可以快速无痛地从一个网格转换到另一个网格,以防止网格供应商锁定。随着生态系统的快速发展,众多网格供应商和最终用户希望拥有改变想法的灵活性。

SMI对生态系统友好,允许最终用户使用相同的工具集。一致的API让为一个网格构建的产品可以与另一个符合规范的网格互操作,最终用户可以因此维护一致的工作流程。

SMI 在 Solo.io

在Solo.io,我们去年开始了这个多网格愿景之旅,开源了 SuperGloo 项目,这是一个抽象层,统一并自动化编排任意服务网格。SuperGloo 提供了一个简单的API,可以安装并运营来自一个或多个供应商的单个或多个集群网格。

上周,我们通过 Service Mesh Hub 的发布继续这一愿景,Service Mesh Hub 是第一个用于最终用户、社区和生态系统进行构建、共享和协作的行业中心。Service Mesh Hub是一个统一的Dashboard,用于安装、发现和运维单个或一组网格,以及在其上运行的服务和扩展。Hub的扩展目录(Extensions Catalog)是社区和生态系统用于构建和共享工具的地方,这些工具特意设计来为网格环境带来附加功能。Service Mesh Hub构建于SuperGloo项目的基础之上并进行扩展。

随着今天的发布,SuperGloo和Service Mesh Hub已经更新以支持SMI规范,并且是第一个可用的参考实现。

备注:这里有一个视频,由于原文所在的 medium.com 拒绝直接链接视频,所以只能请读者通过访问英文原文页面观看视频。(注意 medium.com 需要科学上网)

或者直接访问 youtube

多网格的愿景并未完成,请在Solo.io上与我们联系,了解我们接下来要做什么。


以上所述就是小编给大家介绍的《[译] Service Mesh Interface (SMI) 以及我们对社区和生态系统的愿景》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Python机器学习

Python机器学习

[美] Michael Bowles / 沙嬴、李鹏 / 人民邮电出版社 / 2016-12 / 69.00元

在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和Python 语言实现的角度,帮助读者认识机器学习。 书专注于两类核心的“算法族”,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为7 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提......一起来看看 《Python机器学习》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

MD5 加密
MD5 加密

MD5 加密工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具