retina

retina

Kubernetes网络可观测性开源平台

Retina作为Kubernetes网络可观测性平台,集成了应用健康、网络状况和安全监控功能。该开源工具采用eBPF技术,实现了可定制的遥测数据采集,并支持多种数据存储和可视化选项。Retina的核心优势包括灵活配置、标准化指标和高效的数据包捕获,可在各类云环境和操作系统中部署使用,为网络管理和DevOps团队提供全面的可观测性支持。

RetinaKubernetes网络可观测性eBPF开源Github开源项目

Retina

在 GitHub Codespaces 中打开

[![goreport][goreport-img]][goreport] ![GitHub 发布][release-img] [![retina-publish][godoc-badge]][godoc] ![许可证]

[![retina-test][retina-test-image-badge]][retina-test-image] [![retinash][retinash-badge]][retinash] [![retina-publish][retina-publish-badge]][retina-publish] ![retina-codeql-img][retina-codeql-badge] ![retina-golangci-lint-img][retina-golangci-lint-badge]

概述

Retina 是一个云平台无关的开源 Kubernetes 网络可观测性平台,为集群网络管理员、集群安全管理员和 DevOps 工程师提供了一个用于监控应用健康、网络健康和安全的集中枢纽。它为 DevOps、SecOps 和合规性用例提供了可操作的洞察。

Retina 收集可定制的遥测数据,这些数据可以导出到多个存储选项(如 Prometheus、Azure Monitor 和其他供应商),并以多种方式可视化(如 Grafana、Azure Log Analytics 和其他供应商)。

特性

  • 基于 eBPF 的 Kubernetes 工作负载网络可观测性平台。
  • 按需可配置
  • 可操作的、行业标准的 Prometheus 指标
  • 简化的数据包捕获,用于深入分析。
  • 云平台无关,支持多种操作系统(如 Linux、Windows、Azure Linux)。

为什么选择 Retina?

Retina 让您能够按需调查网络问题持续监控您的集群。有关 Retina 的优势场景,请参阅此处的介绍文档。

文档

有关文档和示例,请参见 retina.sh

功能

Retina 有两个主要功能:

指标快速安装指南

可以使用 GHCR 的 Helm chart 安装 Retina:

# 在此处设置特定版本,或从 GitHub API 获取最新版本。 VERSION=$( curl -sL https://api.github.com/repos/microsoft/retina/releases/latest | jq -r .name) helm upgrade --install retina oci://ghcr.io/microsoft/retina/charts/retina \ --version $VERSION \ --set image.tag=$VERSION \ --set operator.tag=$VERSION \ --set logLevel=info \ --set enabledPlugin_linux="\[dropreason\,packetforward\,linuxutil\,dns\]"

如果需要,将 version 和 image tag 参数设置为所需的版本。

Helm 安装后,按照使用 Prometheus 和 Grafana 中的步骤设置指标收集和可视化。

捕获快速入门指南

通过 CLI 捕获

安装 Retina CLI 的首选方法是使用 Krew

kubectl krew install retina

其他安装选项记录在 CLI 安装 中。

验证安装:

$ kubectl retina version v0.0.4 # 或最新版本

快速开始创建捕获:

kubectl retina capture create --name <my-capture> --namespace <my-namespace> --selector <app=my-app>

有关更多 CLI 文档,请参见 使用 Retina CLI 捕获

通过 CRD 捕获

使用 Helm 安装 Retina:

VERSION=$( curl -sL https://api.github.com/repos/microsoft/retina/releases/latest | jq -r .name) helm upgrade --install retina oci://ghcr.io/microsoft/retina/charts/retina \ --version $VERSION \ --set image.tag=$VERSION \ --set operator.tag=$VERSION \ --set image.pullPolicy=Always \ --set logLevel=info \ --set os.windows=true \ --set operator.enabled=true \ --set operator.enableRetinaEndpoint=true \ --skip-crds \ --set enabledPlugin_linux="\[dropreason\,packetforward\,linuxutil\,dns\,packetparser\]"

然后按照捕获CRD中的步骤查看CRD文档和设置捕获的示例。

贡献

本项目欢迎贡献和建议。大多数贡献都要求你同意一份贡献者许可协议(CLA),声明你有权且确实授予我们使用你的贡献的权利。详情请访问 https://cla.opensource.microsoft.com

当你提交拉取请求时,CLA机器人会自动确定你是否需要提供CLA,并适当地修饰PR(例如,状态检查、评论)。只需按照机器人提供的说明操作即可。你只需在使用我们的CLA的所有仓库中执行一次此操作。

本项目已采用Microsoft开源行为准则。 有关更多信息,请参阅行为准则常见问题解答或 联系opencode@microsoft.com获取任何其他问题或意见。

在此阅读更多关于如何开始贡献的信息。

验证签名镜像

发布到GHCR的Retina镜像经过加密签名。你可以使用sigstore/cosign验证它们的来源:

REPO=microsoft/retina # 或你的仓库 IMAGE=retina-operator # 或其他要验证的镜像 TAG=v0.0.6 # 或其他要验证的标签,或替换为镜像SHA256 cosign verify ghcr.io/$REPO/$IMAGE:$TAG --certificate-oidc-issuer https://token.actions.githubusercontent.com --certificate-identity-regexp="https://github.com/$REPO" -o text

办公时间和社区会议

我们定期举行开放社区会议。在此查看详情。

商标

本项目可能包含项目、产品或服务的商标或标志。Microsoft商标或标志的授权使用必须遵循Microsoft的商标和品牌指南。 在本项目的修改版本中使用Microsoft商标或标志不得引起混淆或暗示Microsoft赞助。 任何第三方商标或标志的使用都受制于这些第三方的政策。

许可证

请参阅LICENSE

行为准则

本项目已采用Microsoft开源行为准则。有关更多信息,请参阅行为准则常见问题解答或联系opencode@microsoft.com获取任何其他问题或意见。

联系方式

对于错误或功能请求,请提交issue。 对于安全或漏洞问题,请参阅SECURITY.md。 对于其他交流,请通过retina@microsoft.com联系维护者。 [goreport-img]: https://goreportcard.com/badge/github.com/microsoft/retina [goreport]: https://goreportcard.com/report/github.com/microsoft/retina [godoc]: https://godoc.org/github.com/microsoft/retina [godoc-badge]: https://godoc.org/github.com/microsoft/retina?status.svg [release-img]: https://img.shields.io/github/v/release/microsoft/retina.svg [license]: https://img.shields.io/badge/license-MIT-blue?link=https%3A%2F%2Fgithub.com%2Fmicrosoft%2Fretina%2Fblob%2Fmain%2FLICENSE [retina-test-image-badge]: https://github.com/microsoft/retina/actions/workflows/test.yaml/badge.svg?branch=main [retina-test-image]: https://github.com/microsoft/retina/actions/workflows/test.yaml?query=branch%3Amain [retinash-badge]: https://github.com/microsoft/retina/actions/workflows/docs.yaml/badge.svg?branch=main [retinash]: https://retina.sh/ [retina-publish-badge]: https://github.com/microsoft/retina/actions/workflows/images.yaml/badge.svg?branch=main [retina-publish]: https://github.com/microsoft/retina/actions/workflows/images.yaml?query=branch%3Amain [retina-codeql-badge]: https://github.com/microsoft/retina/actions/workflows/codeql.yaml/badge.svg?branch=main [retina-golangci-lint-badge]: https://github.com/microsoft/retina/actions/workflows/golangci-lint.yaml/badge.svg?branch=main

编辑推荐精选

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

CSM

CSM

高质量语音生成模型

CSM 是一个开源的语音生成项目,它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言,可生成多种声音,适用于研究和教育场景。通过使用 CSM,用户可以方便地进行语音合成,同时项目还提供了水印功能,确保生成音频的可追溯性和透明度。

agents-course

agents-course

Hugging Face 的 AI 智能体课程,涵盖多种智能体框架及相关知识

本项目是 Hugging Face 推出的 AI 智能体课程,深入介绍了 AI 智能体的相关概念,如大语言模型、工具使用等。课程包含多个单元,详细讲解了不同的智能体框架,如 smolagents 和 LlamaIndex,提供了丰富的学习资源和实践案例。适合对 AI 智能体感兴趣的开发者和学习者,有助于提升他们在该领域的知识和技能。

RagaAI-Catalyst

RagaAI-Catalyst

用于 AI 项目管理和 API 交互的工具集,助力 AI 项目高效开发与管理。

RagaAI-Catalyst 是一款专注于 AI 领域的强大工具集,为开发者提供了便捷的项目管理、API 交互、令牌管理等功能。支持多 API 密钥上传,能快速创建、列出和管理 AI 项目,还可获取项目用例和指标信息。适用于各类 AI 开发场景,提升开发效率,推动 AI 项目顺利开展。

smolagents

smolagents

一个包含多种工具和文档处理功能,适用于 LLM 使用的项目。

smolagents 是一个功能丰富的项目,提供了如文件格式转换、网页内容读取、语义搜索等多种工具,支持将常见文件类型或网页转换为 Markdown,方便进行文档处理和信息提取,能满足不同场景下的需求,提升工作效率和数据处理能力。

下拉加载更多