cari
Rumahpembangunan bahagian belakangTutorial PythonMembina Pelanggan Kubernetes untuk Enjin Kubernetes Google (GKE) dalam Python

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

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

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()

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}"
})

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}")

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

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()

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
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
Cara Menggunakan Python untuk Mencari Pengagihan Zipf Fail TeksCara Menggunakan Python untuk Mencari Pengagihan Zipf Fail TeksMar 05, 2025 am 09:58 AM

Tutorial ini menunjukkan cara menggunakan Python untuk memproses konsep statistik undang -undang ZIPF dan menunjukkan kecekapan membaca dan menyusun fail teks besar Python semasa memproses undang -undang. Anda mungkin tertanya -tanya apa maksud pengedaran ZIPF istilah. Untuk memahami istilah ini, kita perlu menentukan undang -undang Zipf. Jangan risau, saya akan cuba memudahkan arahan. Undang -undang Zipf Undang -undang Zipf hanya bermaksud: Dalam korpus bahasa semulajadi yang besar, kata -kata yang paling kerap berlaku muncul kira -kira dua kali lebih kerap sebagai kata -kata kerap kedua, tiga kali sebagai kata -kata kerap ketiga, empat kali sebagai kata -kata kerap keempat, dan sebagainya. Mari kita lihat contoh. Jika anda melihat corpus coklat dalam bahasa Inggeris Amerika, anda akan melihat bahawa perkataan yang paling kerap adalah "th

Bagaimana saya menggunakan sup yang indah untuk menghuraikan html?Bagaimana saya menggunakan sup yang indah untuk menghuraikan html?Mar 10, 2025 pm 06:54 PM

Artikel ini menerangkan cara menggunakan sup yang indah, perpustakaan python, untuk menghuraikan html. Ia memperincikan kaedah biasa seperti mencari (), find_all (), pilih (), dan get_text () untuk pengekstrakan data, pengendalian struktur dan kesilapan HTML yang pelbagai, dan alternatif (sel

Penapisan gambar di pythonPenapisan gambar di pythonMar 03, 2025 am 09:44 AM

Berurusan dengan imej yang bising adalah masalah biasa, terutamanya dengan telefon bimbit atau foto kamera resolusi rendah. Tutorial ini meneroka teknik penapisan imej di Python menggunakan OpenCV untuk menangani isu ini. Penapisan Imej: Alat yang berkuasa Penapis Imej

Pengenalan kepada pengaturcaraan selari dan serentak di PythonPengenalan kepada pengaturcaraan selari dan serentak di PythonMar 03, 2025 am 10:32 AM

Python, kegemaran sains dan pemprosesan data, menawarkan ekosistem yang kaya untuk pengkomputeran berprestasi tinggi. Walau bagaimanapun, pengaturcaraan selari dalam Python memberikan cabaran yang unik. Tutorial ini meneroka cabaran -cabaran ini, memberi tumpuan kepada Interprete Global

Bagaimana untuk melakukan pembelajaran mendalam dengan Tensorflow atau Pytorch?Bagaimana untuk melakukan pembelajaran mendalam dengan Tensorflow atau Pytorch?Mar 10, 2025 pm 06:52 PM

Artikel ini membandingkan tensorflow dan pytorch untuk pembelajaran mendalam. Ia memperincikan langkah -langkah yang terlibat: penyediaan data, bangunan model, latihan, penilaian, dan penempatan. Perbezaan utama antara rangka kerja, terutamanya mengenai grap pengiraan

Cara Melaksanakan Struktur Data Anda Sendiri di PythonCara Melaksanakan Struktur Data Anda Sendiri di PythonMar 03, 2025 am 09:28 AM

Tutorial ini menunjukkan mewujudkan struktur data saluran paip tersuai di Python 3, memanfaatkan kelas dan pengendali yang berlebihan untuk fungsi yang dipertingkatkan. Fleksibiliti saluran paip terletak pada keupayaannya untuk menggunakan siri fungsi ke set data, GE

Serialization dan deserialisasi objek python: Bahagian 1Serialization dan deserialisasi objek python: Bahagian 1Mar 08, 2025 am 09:39 AM

Serialization dan deserialization objek Python adalah aspek utama dari mana-mana program bukan remeh. Jika anda menyimpan sesuatu ke fail python, anda melakukan siri objek dan deserialization jika anda membaca fail konfigurasi, atau jika anda menjawab permintaan HTTP. Dalam erti kata, siri dan deserialization adalah perkara yang paling membosankan di dunia. Siapa yang peduli dengan semua format dan protokol ini? Anda mahu berterusan atau mengalirkan beberapa objek python dan mengambilnya sepenuhnya pada masa yang akan datang. Ini adalah cara yang baik untuk melihat dunia pada tahap konseptual. Walau bagaimanapun, pada tahap praktikal, skim siri, format atau protokol yang anda pilih boleh menentukan kelajuan, keselamatan, kebebasan status penyelenggaraan, dan aspek lain dari program

Modul Matematik dalam Python: StatistikModul Matematik dalam Python: StatistikMar 09, 2025 am 11:40 AM

Modul Statistik Python menyediakan keupayaan analisis statistik data yang kuat untuk membantu kami dengan cepat memahami ciri -ciri keseluruhan data, seperti biostatistik dan analisis perniagaan. Daripada melihat titik data satu demi satu, cuma melihat statistik seperti min atau varians untuk menemui trend dan ciri dalam data asal yang mungkin diabaikan, dan membandingkan dataset besar dengan lebih mudah dan berkesan. Tutorial ini akan menjelaskan cara mengira min dan mengukur tahap penyebaran dataset. Kecuali dinyatakan sebaliknya, semua fungsi dalam modul ini menyokong pengiraan fungsi min () dan bukan hanya menjumlahkan purata. Nombor titik terapung juga boleh digunakan. Import secara rawak Statistik import dari fracti

See all articles

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

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

MantisBT

MantisBT

Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

MinGW - GNU Minimalis untuk Windows

MinGW - GNU Minimalis untuk Windows

Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)