当前位置: 首页 > news >正文

云原生核心概念和行业解决方案(未完待续)

一、前言

之前都是对云原生单一技术的关注研究,知识分散,我们一直在说云原生,那到底什么是云原生呢?是k8s还是微服务,还是容器就是?云原生的概念最早开始于 2010 年,该词旨在表达一种架构,为了描述应用程序和中间件在云环境中的良好运行状态, Cloud Native抽象出了云环境中服务必须包含的某些属性状态,满足了这些属性才能保证良好的运行状态,以充分利用发挥云计算的特性。后面我们了解这种特性狭隘层面即以微服务和容器云为驱动的应用运行标准;2015年在《迁移到云原生架构》一书中定义了符合云原生架构的特征:12 因素、微服务、自服务、基于 API 协作、扛脆弱性;同年,由 Linux 基金会发起了一个The Cloud Native Computing Foundation(CNCF) 基金组织,Google、Cisco、Docker 各大厂纷纷加入,并逐步构建出围绕 Cloud Native 的具体工具,而当时云原生这个的概念也逐渐变得更具体化:把云原生定位为容器化封装+自动化管理+面向微服务。2017 年, 云原生应用提出者之一的Pivotal 在其官网上将云原生的定义概括为 DevOps、持续交付、微服务、容器四大特征。

随后在此基础上继续发展,2018 年,随着 Service Mesh 的加入,CNCF 重新对云原生进行了定义,上述基础上增加了服务网格 (service mesh) 和声明式 API,旨在建立一个相对中立的开源云生态,而这也逐渐成为被大家认可的官方定义,更多参见CNCF全景图;

Cloud native technologies empower organizations to build and run scalable applications in modern, dynamic environments such as public, private, and hybrid clouds. Containers, service meshes, microservices, immutable infrastructure(不可变基础设施), and declarative APIs(声明式 API ) exemplify this approach.

These techniques enable loosely coupled (松耦合) systems that are resilient(高可用/韧性), manageable, and observable. Combined with robust automation, they allow engineers to make high-impact changes frequently and predictably with minimal toil.

The Cloud Native Computing Foundation seeks to drive adoption of this paradigm(范式) by fostering(培育) and sustaining(维持) an ecosystem (生态)of open source, vendor-neutral(供应商中立) projects. We democratize state-of-the-art patterns to make these innovations accessible for everyone.

其中,云提供了像虚拟化、弹性扩展、高可用、高容错性、自恢复等基本属性,而云原生和在云上跑的传统应用不同,一些基于公有云搭建的应用是基于传

http://www.cnnetsun.cn/news/422553.html

相关文章:

  • ShaderGraph:流光镭射+圆角 卡片
  • 基于springboot框架的保险业务管理系统vue
  • 后端开发者快速上手AI Agent:基于Astron的极简概念、架构与部署教程
  • WRF模拟:搭建天气实验室、处理GFS/ERA5驱动场、运行台风暴雨案例、修改土地利用与地形、设计敏感性试验与Python专业分析等
  • 强烈安利9个AI论文写作软件,继续教育学生轻松搞定论文!
  • 扔掉模块库!纯C语言在Simulink里造逆变器是什么体验
  • 树形选择排序的核心思想是通过构建一棵类锦标赛的二叉树结构,从叶子节点(原始数据)开始,两两比较
  • 2025西莫电机论坛视频+PDF
  • 从五孔探针到压力扫描阀:温特纳如何拿下风洞均匀性测试的核心难题
  • vue基于Java Web的物流快递管理系统的设计与实现
  • 2026本科生必备8个降AI率工具测评
  • 方言保护计划:用GLM-TTS记录濒危地方语言
  • 应急广播系统:灾备状态下快速生成指导语音
  • 名人语音纪念品:粉丝可收藏偶像风格的声音作品
  • 深夜赶项目的程序员小张盯着屏幕打了个哈欠,突然想起上周写的疲劳检测工具还没调通。今天咱们就聊聊怎么用68个人脸特征点捕捉这种“灵魂出窍“的瞬间,关键时刻能救命
  • Dify是什么:AI应用开发平台的核心功能与应用场景全解析
  • 许可证兼容性审查:确保第三方依赖符合开源协议要求
  • 历史人物声音复原:基于史料推测古人说话方式
  • 什么是USB Stall
  • 风力涡轮机系统与压缩空气储能联合运行的建模与实验研究(Matlab代码实现)
  • 选课系统进不去?我用 Python 做了个“捡漏挂机”脚本,全自动监控空余名额
  • HTTP/3 (QUIC) 来了!在 Nginx 中开启 HTTP/3 支持,网站速度提升 30%
  • 联蔚盘云-安全基线管理介绍
  • 【风电功率预测】【多变量输入单步预测】基于CNN-BiLSTM-Attention的风电功率预测研究(Matlab代码实现)
  • 【鲁棒优化、大M法、CCG算法】计及风、光、负荷不确定性两阶段鲁棒优化(Matlab代码实现)
  • 企业微信 API 外部群主动推送技术解析
  • Zapier自动化连接:触发GLM-TTS生成特定场景语音
  • 低代码平台插件设计:使非技术人员也能使用GLM-TTS
  • Electron桌面应用开发:打造跨平台GLM-TTS客户端
  • 在LabVIEW中使用AI Vision Toolkit for GPU快速完成AI模型推理部署