我想使用基于 Kubernetes 的部署在云中部署我的应用程序。它由3层Kafka，Ignite(作为DB和处理(和Python(ML引擎(组成。 从 Kafka 层我们获得数据流输入，然后将其传递给 Ignite 进行处理(特征 engg(。处理后，数据被传递给python 服务器用于进一步的 ML 预测。如何将此整体式应用程序分解为 Kubernetes 中的微服务？ 使用 Istio 也能提供一些优势吗？
如果你想要预构建映像，你可以在 bitnami 的 docker hub 上使用 bitnami/kafka。
使用 gcloud 命令将映像导出到容器注册表。 Gcloud docker -- push [您的镜像容器注册表路径] 使用 UI 或 gcloud 命令部署映像
在 kubernetes 上部署后，公开端口{2181 9092-9099} 或拉取映像中公开的端口。
这是 Google Compute 上 Ignite 映像的链接，您只需将其部署在 kubernetes 引擎上并公开相应的端口即可。
对于python，你只需要按照ignacio的建议使用dockerfile构建你的python应用程序。
这是可能的，事实上这些工具很容易部署在 Kubernetes 中。首先，你需要获得一些 Kubernetes 基础知识，特别是在有状态集和持久卷方面，因为 Kafka 和 Ignite 是有状态组件。
要在 Kubernetes 中部署 Kafka 集群，请按照以下存储库中的说明进行操作：https://github.com/Yolean/kubernetes-kafka
还有其他替代方案，但这是我在生产环境中测试过的唯一替代方案。
我没有使用 Ignite 的经验，本文档提供了分步指南。也许其他人可以共享其他资源。
关于 Python，只需将您的 ML 模型像任何其他 Python 应用程序一样进行 docker化。在 Python 的官方 docker 镜像中，你会发现一个基本的 Dockerfile 来做到这一点。将 docker 镜像推送到注册表后，只需创建一个描述部署的 YAML 文件并将其应用于 Kubernetes。
作为最后一步的替代方法，您可以使用 Draft 对 Python 代码进行 dockerization 和部署。
祝你好运！