Kubernetes平台比較：Red Hat OpenShift、SUSE Rancher及 Canonical Kubernetes 如何為貴企業選擇合適的Kubernetes發行版本 2022年7月 執行摘要 採用容器優先方法的企業，將能享有無可比擬的機會，協助提升效率及資源使用 率、加強安全性、導入自動化及加速創新；因此Gartner預測將有75%的全球組 織，在2022年之前於正 織，在2022年之前於正式作業執行容器化應用程式，而這樣的數據並不會讓人 感到驚訝。1 Kubernetes已經成為管理容器化工作負載和服務的頂尖開放原始碼平台，不過 Kubernetes生態系統既龐大又複雜，不但有許多不同版本的Kubernetes可供選 擇，此外也難以瞭解哪種版本最適合組織的特定需求。 本白皮書的目標是因應這項挑戰，提供撰寫本文時Kubernetes版圖的當下狀態， 並比較三種企業級的Kubern 彈性， 依據功能和需求的演進發展改用替代解決方案。 Canonical Kubernetes、Red Hat Openshift及SUSE Rancher都已獲得CNCF認證。 2. 生命週期作業 開始踏上Kubernetes的旅程時，如果沒有思考要如何長期維護叢集，很容易就會 在開發和部署期間遭遇困難。許多以Kubernetes為中心的解決方案，雖然處理了 Kubernetes生命週期的初

首先，它是一個全新的基於容器技術的分散式架構解決方案。這個方案雖然還很 新，但它是 Google 十幾年來大規模應用容器技術的經驗累積和演進的一個重要成 果。確切地說，Kubernetes 是 Google 嚴格保密十幾年的秘密武器——Borg 的開源 專案版本。Borg 是 Google 久負盛名的一個內部使用的大規模叢集管理系統，它基 於容器技術，目的是實現資源管理的自動化，以及跨多個資料中心的資源利用率最 (1) 叢集內部各元件、應用或叢集外部應用程式存取 API Server。 (2) 叢集外部系統存取 Service。 (3) 此種情況包含： y 叢集內跨節點存取 Pod； y 叢集內跨節點存取容器； y 叢集內跨節點存取 Service。 (4) 這類情況包含： y 叢集內的容器存取 Pod； y 叢集內的容器存取其他叢集內的容器； y 叢集內的容器存取 憑證，獲得用戶端憑證公開金鑰，並用該公開金鑰認證憑證資訊，並確認用戶 端是否合法。 (5) 用戶端透過隨機金鑰加密資訊，並發送加密後的資訊給服務端。伺服器端和用 戶端協商好加密方案後，用戶端會產生一個隨機的金鑰，用戶端透過協商好的 加密方案，加密這隨機金鑰，並發送隨機金鑰到伺服器端。 伺服器端接收這 個金鑰後，雙方通訊的所有內容都透過隨機金鑰加密。 通訊（隨機私鑰） 身分認證（憑證） 客戶端 伺服器端

. . 27 5.7 練習：費波那契數列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 5.7.1 解決方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 6 基本的控制流程概念 29 6.1 if 表達式 . 33 6.7 練習：考拉茲序列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 6.7.1 解決方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 II 第 1 天：下午 37 7 Welcome Back 40 8.5 練習：巢狀陣列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 8.5.1 解決方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 9 參照 44 9.1 共用列舉 . . . . .

客製化高擴展性硬體設計 Live migration背景更新 全球機房備援設計 台灣區已經備有三個容錯區域 高效能代管式服務 涵蓋Web/App/DB皆有多 樣化代管服務可以組合出 最適架構 自動化部署 與開放平台以及開發環境 整合，加速應用上線 Google Cloud Taiwan 優勢 Google Infrastructure event driven functions web apps & 上部署、管理容器化應用程式及調整資源 為何 Google GKE 是佈署 K8S 的首選 全球佈署 業界最多的佈 署地區選擇 多重版本 支援最多的 GKE發佈版本 ，自動升級 高可用性 支援跨資料中 心自動配置叢 集 網路安全 毋須額外套件 過濾容器到容 器流量防護 自動擴展 隨需動態擴展 負載平衡 整合無流量上 限的Google Cloud Load Balancer Demo:

90 Architecture: all or any 有兩種二進制套件: ▶ 套件內容會隨著不同的 Debian 平台架構而有所差異 ▶ 範例: C 程式 ▶ debian/control 中描述 Architecture: any ▶ 或者只運行在某些特定的平台架構中: Architecture: amd64 i386 ia64 hurd-i386 ▶ buildd.debian.org: 命名為package_version_architecture.deb ▶ 套件內容在不同的 Debian 平台架構上皆相同 ▶ 範例: Perl 函式庫 ▶ debian/control 中描述 Architecture: all ▶ 命名為package_version_all.deb 一個原始碼套件可以產生多個平台架構 Architecture: any 以及 Architecture: all 二進制套件 卸載所有補丁 ▶ 更多文件可參照: https://wiki.debian.org/debian/patches ▶ 新的原始碼套件格式和內建補丁系統: 3.0 (quilt) ▶ 建議的解決方案 ▶ 你需要學習 quilt https://perl-team.pages.debian.net/howto/quilt.html ▶ 補丁系統相容工具 devscripts: edit-patch

− 20 = 11 元。 3. 從剩餘可選項中拿出最大的 10 元，剩餘 11 − 10 = 1 元。 4. 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 主流排序演算法的時間複雜度通常為 ?(? log ?) ，例如快速排序、合併排序、堆積排序等。 7. 階乘階 ?(?!) 階乘階對應數學上的“全排列”問題。給定 ? 個互不重複的元素，求其所有可能的排列方案，方案數量為： ?! = ? × (? − 1) × (? − 2) × ⋯ × 2 × 1 階乘通常使用遞迴實現。如圖 2‑14 和以下程式碼所示，第一層分裂出 ? 個，第二層分裂出 ? − 1 個，以此

− 20 = 11 元。 3. 從剩餘可選項中拿出最大的 10 元，剩餘 11 − 10 = 1 元。 4. 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 主流排序演算法的時間複雜度通常為 ?(? log ?) ，例如快速排序、合併排序、堆積排序等。 7. 階乘階 ?(?!) 階乘階對應數學上的“全排列”問題。給定 ? 個互不重複的元素，求其所有可能的排列方案，方案數量為： ?! = ? × (? − 1) × (? − 2) × ⋯ × 2 × 1 階乘通常使用遞迴實現。如圖 2‑14 和以下程式碼所示，第一層分裂出 ? 個，第二層分裂出 ? − 1 個，以此

− 20 = 11 元。 3. 從剩餘可選項中拿出最大的 10 元，剩餘 11 − 10 = 1 元。 4. 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 主流排序演算法的時間複雜度通常為 ?(? log ?) ，例如快速排序、合併排序、堆積排序等。 7. 階乘階 ?(?!) 階乘階對應數學上的“全排列”問題。給定 ? 個互不重複的元素，求其所有可能的排列方案，方案數量為： ?! = ? × (? − 1) × (? − 2) × ⋯ × 2 × 1 階乘通常使用遞迴實現。如圖 2‑14 和以下程式碼所示，第一層分裂出 ? 個，第二層分裂出 ? − 1 個，以此

− 20 = 11 元。 3. 從剩餘可選項中拿出最大的 10 元，剩餘 11 − 10 = 1 元。 4. 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 主流排序演算法的時間複雜度通常為 ?(? log ?) ，例如快速排序、合併排序、堆積排序等。 7. 階乘階 ?(?!) 階乘階對應數學上的“全排列”問題。給定 ? 個互不重複的元素，求其所有可能的排列方案，方案數量為： ?! = ? × (? − 1) × (? − 2) × ⋯ × 2 × 1 階乘通常使用遞迴實現。如圖 2‑14 和以下程式碼所示，第一層分裂出 ? 個，第二層分裂出 ? − 1 個，以此

− 20 = 11 元。 3. 從剩餘可選項中拿出最大的 10 元，剩餘 11 − 10 = 1 元。 4. 從剩餘可選項中拿出最大的 1 元，剩餘 1 − 1 = 0 元。 5. 完成找零，方案為 20 + 10 + 1 = 31 元。 第 1 章 初識演算法 www.hello‑algo.com 13 圖 1‑3 貨幣找零過程 在以上步驟中，我們每一步都採取當前看來最好的選擇（儘可 問題就會越深入，問題就能被解決得更優雅。 17 第 2 章 複雜度分析 Abstract 複雜度分析猶如浩瀚的演算法宇宙中的時空嚮導。 它帶領我們在時間與空間這兩個維度上深入探索，尋找更優雅的解決方案。 第 2 章 複雜度分析 www.hello‑algo.com 18 2.1 演算法效率評估 在演算法設計中，我們先後追求以下兩個層面的目標。 1. 找到問題解法：演算法需要在規定的輸入範圍內可靠地求得問題的正確解。 主流排序演算法的時間複雜度通常為 ?(? log ?) ，例如快速排序、合併排序、堆積排序等。 7. 階乘階 ?(?!) 階乘階對應數學上的“全排列”問題。給定 ? 個互不重複的元素，求其所有可能的排列方案，方案數量為： ?! = ? × (? − 1) × (? − 2) × ⋯ × 2 × 1 階乘通常使用遞迴實現。如圖 2‑14 和以下程式碼所示，第一層分裂出 ? 個，第二層分裂出 ? − 1 個，以此