quay.io/cilium/hubble-relay:v1.17.1
让 AI 帮你使用轩辕镜像? · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
Hubble Relay 是 Cilium 可观测性平台的核心组件,主要用于 Kubernetes 集群中网络流量数据的中继与聚合。在 Cilium 生态中,Hubble Agent 负责在每个节点采集容器网络流量数据(如服务通信、策略命中、L7 协议细节等),而这些数据分散在不同节点,直接访问不仅效率低,还可能因网络隔离导致数据获取不完整。Hubble Relay 的作用就是连接这些分散的 Agent,统一收集、处理数据,并通过标准化接口向上层观测工具(如 Hubble UI、CLI 或第三方监控平台)提供统一的数据访问能力。 从功能上看,它最核心的能力是跨节点数据聚合。无论集群规模多大(从几十节点到上千节点),Relay 都能通过动态发现机制定位所有 Hubble Agent,实时拉取流量日志、指标和事件数据,再经过过滤、排序等处理后,通过 gRPC API 暴露给外部工具。这解决了多节点环境下数据分散、访问繁琐的问题,让管理员无需逐节点查询即可获取全局网络视图。 技术设计上,Hubble Relay 延续了 Cilium 的轻量级特性:容器化部署,资源占用低(通常仅需几十 MB 内存),且原生适配 Kubernetes 调度机制,可通过 DaemonSet 或 Deployment 灵活部署。它还与 Cilium 网络策略深度联动——当集群中网络策略更新时,Relay 能自动关联策略ID与流量数据,确保观测结果与实际策略执行状态一致,避免数据脱节。 在实际使用中,Hubble Relay 主要服务于多节点 Kubernetes 集群的网络管理场景。比如,当服务间通信异常时,管理员可通过 Relay 提供的 API 快速调取跨节点的流量日志,定位故障节点或异常请求;验证网络策略时,它能实时返回策略命中情况,帮助确认规则是否按预期生效;甚至在大规模集群中,配合 Prometheus、Grafana 等工具,可基于 Relay 聚合的数据生成服务依赖图谱、流量趋势曲线等可视化报表。 作为连接数据采集与上层分析的桥梁,Hubble Relay 简化了复杂集群的网络可观测性流程,让管理员无需关注底层数据分散问题,专注于流量分析与故障排查,是 Cilium 生态中提升集群网络管理效率的关键一环。
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈,见证轩辕镜像的优质服务