我作为CNCF基金会的Kubestronaut登上CNCF官网啦

小李哥又又又上官网了，这次登上的是Cloud Native Computing Foundation(CNCF)云原生软件基金会的官网，这次获得的CNCF称号是Kubestronaut。目前大陆地区共有36位Kubestronaut，美国176位Kubestronaut，能成为全球Kubestronaut中的一员特别荣幸和开心。

✅CNCF是什么？

CNCF是全球最大和最顶尖的软件基金会之一，和Apache、Eclipse并称全球软件基金会三巨头。从事软件开发和运维的小伙伴们对CNCF肯定非常熟悉，从CNCF基金会毕业的项目包括大名鼎鼎的Kubernetes(K8s)、Prometheus、OpenTelemetry、Istio等。CNCF基金会的主要目的是推动云原生技术和社区的发展。

✅为了成为Kubestronaut我做了什么？

只能说获得kubestronaut的称号真的不容易，大家可以在下图看到我在官网的个人介绍。为了准备成为kubestronaut，真的用了一切方法学习和深耕云原生。不单纯是学习k8的基础知识，做K8s的动手模拟实验，同时我也不断在各个博客平台分享AWS上的云原生方案，围绕EKS on AWS、ECS、Lambda、Fargate等AWS服务。也很幸运在在AWS的全球云计算大会 re:Invent 2024、全球安全大会AWS re:Inforce 2025、和2024年与2025年的中国峰会AWS Summit上演讲，为AWS开发者带来国际前沿的云原生方案。

下个月我也会在亚马逊云科技UG云原生SIG兴趣小组中，带来K8sGPT集成Bedrock实现AIOps的方案。基础知识，加上行业视野，这些都为我打下了成为Kubestronaut的坚实基础。

✅如何成为Kubestronaut?

成为CNCF的kuberstronaut，需要通过CNCF的5门关于Kubernetes的考试，5门考试分别见下图：

Kubernetes and Cloud Native Associate（KCNA）

是云原生基础认证，理论考试，涵盖Kubernetes及其生态工具的基础概念与原理，适合入门者建立对云原生架构的整体理解。

Kubernetes and Cloud Native Security Associate（KCSA）

云原生安全基础认证，重点聚焦于Kubernetes组件安全、工作负载安全，以及合规与安全框架的基本知识。

以上两门都是理论考试，考试都是选择题，比较简单，建议先从这两门入手。

Certified Kubernetes Application Developer（CKAD）

Kubernetes应用开发者认证，面向开发者，帮助理解如何在 Kubernetes 集群中部署、管理、扩展和保护应用。

Certified Kubernetes Administrator(CKA)

Kubernetes 管理员认证，面向集群管理员，重点在于如何管理 Kubernetes 组件，确保系统的可扩展性、高可用性与安全性。

Certified Kubernetes Security Specialist(CKS)

Kubernetes 安全专家认证，专注于 Kubernetes 中的组件安全与工作负载部署安全，同时覆盖生态系统中各类安全工具的实战应用。

上面3门都是实操考试，需要在2小时内完成16-20道实操题，难度较大，需要大家实操练熟练后再去考。

✅如何准备Kubernetes的考试？

因为k8s的考试是实操考试，要在2小时内做完16-20道场景实验题目，难度非常大，所以找对复习方法很重要，要多动手实践才能过。

报名考试会送2次killer.sh实验模拟题，大概有20题，和考试很像，每次36小时，做完能懂基本就能过了。

另外如果觉得实验题不够练，还可以去kodekloud上找很多题做。如果对基础知识不了解，官网提供了很多官方的网课可以学习k8s基础知识，夯实基础应对考试。

✅我将在亚马逊云科技UG分享的当下的热门云原生AIOps方案是什么？

这次要分享的方案是通过将CNCF目前正在沙箱的项目K8sGPT与亚马逊云科技的AI托管服务Amazon Bedrock集成。它通过扫描集群并结合AI模型（如Anthropic Claude、OpenAI、Amazon SageMaker的定制与开源模型），用自然语言即可生成清晰可理解的诊断建议，从而彻底革命了 Kubernetes的传统运维。不止于基础排障，K8sGPT还具备类SRE的智能自愈能力：它能持续追踪集群状态的变更，结合风险阈值做出自动响应，并通过Mutation CR支持回滚机制。此外其内置的MCP服务器，也支持与AI运维助手建立结构化、实时、可持续的自然语言交互，实现持续集群分析与操作自动化。

K8sGPT Operator 架构解析

下图展示的就是我将介绍的方案架构：在EKS集群中安装K8sGPT Operator，通过Amazon Bedrock模型实时分析和解释来自集群的异常诊断结果，帮助用户理解问题根源并优化工作负载。用户仅需通过kubectl等标准Kubernetes命令即可获取Operator生成的智能分析结果。

所有模型调用日志，包括详细的诊断信息，都会记录在亚马逊云科技的日志服务CloudWatch中，便于后续追踪与审计分析。

在这种部署模式下，用户无需额外安装任何 CLI 工具（除了常用的 kubectl），而且用户当前使用的SSO角色不需要具备Amazon Bedrock的访问权限。因为Operator会自动使用集群内配置的最小角色IAM权限，来代表用户安全地调用Amazon Bedrock的大语言模型。

最后便于大家理解，附上亚马逊云科技上创建云原生EKS集群的yaml配置文件：

cat >cluster-config.yaml <<EOF
apiVersion: eksctl.io/v1alpha5
kind: ClusterConfig
metadata:
  name: eks
  region: us-west-2
  version: "1.32"
  tags:
    environment: eks
iam:
  withOIDC: true
  podIdentityAssociations: 
  - namespace: kube-system
    serviceAccountName: cluster-autoscaler
    roleName: pod-identity-role-cluster-autoscaler
    wellKnownPolicies:
      autoScaler: true  
managedNodeGroups:
  - name: managed-ng
    instanceType: m5.large
    minSize: 2
    desiredCapacity: 3
    maxSize: 5
    privateNetworking: true
    volumeSize: 30
    volumeType: gp3 
    tags:
      k8s.io/cluster-autoscaler/enabled: "true"
      k8s.io/cluster-autoscaler/eks: "owned"      
addonsConfig:
  autoApplyPodIdentityAssociations: true
addons:
  - name: eks-pod-identity-agent 
    tags:
      team: eks
  - name: vpc-cni
    version: latest  
  - name: aws-ebs-csi-driver
    version: latest  
  - name: coredns
    version: latest 
  - name: kube-proxy
    version: latest
cloudWatch:
 clusterLogging:
   enableTypes: ["*"]
   logRetentionInDays: 30
EOF

eksctl create cluster -f cluster-config.yaml

希望这次的分享大家能够喜欢，对AI应用在云原生场景感兴趣的小伙伴，欢迎关注我，未来将持续探索更多的AI与云原生集成的国际前沿创新方案！