Kubernetes Operator

LMCache Kubernetes 操作符自动化了 LMCache 多进程服务器的部署和生命周期管理。您只需声明一个 LMCacheEngine 自定义资源，操作符将协调所有底层的 Kubernetes 对象，而无需手动编写 DaemonSets、Services 和 ConfigMaps（如手册 部署指南 指南中所述）。

为什么使用 Operator

手动 DaemonSet 方式可以正常工作，但存在一些操作符已消除的陷阱：

• 自动注入的 Pod 设置 -- 操作符始终设置 hostIPC: true 和 --host 0.0.0.0。在手动编写的清单中忘记 hostIPC 会导致难以调试的静默 CUDA IPC 失败 （cudaErrorMapBufferObjectFailed）。

• 节点本地服务发现 -- 操作符创建一个 ClusterIP 服务，并设置 internalTrafficPolicy=Local，同时生成一个连接用 ConfigMap，vLLM Pod 直接挂载即可。无需 hostNetwork，无需 Downward API，也无需 shell 变量替换。

• 自动计算资源规格 -- 内存请求和限制由 l1.sizeGB 推算得出，避免因资源不足导致 OOM 被杀或因资源过剩浪费节点容量。

• 声明式 Prometheus 集成 -- 设置 prometheus.serviceMonitor.enabled: true，操作符会创建一个 ServiceMonitor CR，Prometheus 操作符会自动发现它。

• CRD 验证 -- OpenAPI Schema 验证在 kubectl apply 阶段、Pod 创建之前捕获配置错误（例如 l1.sizeGB <= 0、端口范围无效等）。

先决条件

• Kubernetes 1.20+

• kubectl 配置为访问您的集群

• (可选) Prometheus Operator 以支持 ServiceMonitor

安装 Operator

选项 A：从发布版一行安装（推荐）

# Latest stable release
kubectl apply -f https://github.com/LMCache/LMCache/releases/download/operator-latest/install.yaml

# Or nightly build from the dev branch
kubectl apply -f https://github.com/LMCache/LMCache/releases/download/operator-nightly-latest/install.yaml

选项 B：从源代码构建

cd operator
make build
make install
make deploy IMG=<your-registry>/lmcache-operator:latest

部署 LMCacheEngine

一个最小的 CR 在每个 GPU 节点上部署一个具有 60 GB L1 缓存的 DaemonSet：

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: LMCacheEngine
metadata:
  name: my-cache
spec:
  l1:
    sizeGB: 60

kubectl apply -f lmcache-engine.yaml

操作符自动：

• 在每个匹配的节点上创建一个运行 LMCache 服务器 Pod 的 DaemonSet

• 设置 hostIPC: true 并将 --host 0.0.0.0 传递给服务器

• 为 vLLM 发现创建一个节点本地的 ClusterIP 服务

• 创建一个连接 ConfigMap (my-cache-connection)，其中包含 vLLM 所需的 kv-transfer-config JSON。

• 自动计算 L1 缓存大小的资源请求/限制

• 默认将 nodeSelector 设置为 nvidia.com/gpu.present: \"true\"

备注

该操作符将容器镜像默认设置为 lmcache/vllm-openai:latest。可以通过 spec.image.repository 和 spec.image.tag 来覆盖，以固定特定版本。

连接 vLLM

操作符创建一个名为 <engine-name>-connection 的 ConfigMap，其中包含 kv-transfer-config JSON。将其挂载到您的 vLLM 部署中：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: vllm
spec:
  replicas: 1
  selector:
    matchLabels:
      app: vllm
  template:
    metadata:
      labels:
        app: vllm
    spec:
      # Required for CUDA IPC between vLLM and LMCache
      hostIPC: true
      containers:
        - name: vllm
          image: lmcache/vllm-openai:latest
          env:
            # Deterministic hashing required by LMCache
            - name: PYTHONHASHSEED
              value: "0"
          command: ["/bin/sh", "-c"]
          args:
            - |
              exec python3 -m vllm.entrypoints.openai.api_server \
                --model <your-model> \
                --port 8000 \
                --gpu-memory-utilization 0.8 \
                --kv-transfer-config "$(cat /etc/lmcache/kv-transfer-config.json)"
          ports:
            - name: http
              containerPort: 8000
          volumeMounts:
            - name: kv-transfer-config
              mountPath: /etc/lmcache
              readOnly: true
          resources:
            limits:
              nvidia.com/gpu: "1"
      volumes:
        - name: kv-transfer-config
          configMap:
            name: my-cache-connection  # <engine-name>-connection

vLLM Pod 的关键要求：

• hostIPC: true -- CUDA IPC (cudaIpcOpenMemHandle) 需要在 vLLM 和 LMCache 之间共享 IPC 命名空间。

• PYTHONHASHSEED=0 -- 确保 Token 哈希的确定性，使 vLLM 与 LMCache 生成一致的缓存键。

• ConfigMap 挂载 -- $(cat ...) 模式以内联方式读取连接 JSON。ConfigMap 名称始终为 <LMCacheEngine name>-connection。

• 无需 hostNetwork -- 操作符的节点本地服务通过 internalTrafficPolicy=Local 处理路由。

验证部署

# Check LMCacheEngine status
kubectl get lmc

预期输出：

NAME       PHASE     READY   DESIRED   AGE
my-cache   Running   3       3         5m

# Check the connection ConfigMap
kubectl get configmap my-cache-connection -o yaml

# Check LMCache pods
kubectl get pods -l app.kubernetes.io/managed-by=lmcache-operator

# Check detailed status with endpoints
kubectl describe lmc my-cache

CRD 规格参考

镜像

字段	默认	描述
image.repository	lmcache/vllm-openai	容器镜像仓库。
image.tag	latest	容器镜像标签。
image.pullPolicy	IfNotPresent	Always, Never, 或 IfNotPresent。
imagePullSecrets	--	镜像拉取密钥引用。

服务器

字段	默认	描述
server.port	5555	ZMQ 监听端口 (1024--65535)。
server.chunkSize	256	Token 分块大小。
server.maxWorkers	1	ZMQ 请求的工作线程。
server.hashAlgorithm	blake3	builtin, sha256_cbor, 或 blake3。

L1 缓存

字段	默认	描述
l1.sizeGB	必需	L1 缓存大小（以 GB 为单位）。必须大于 0。

逐出

字段	默认	描述
eviction.policy	LRU	仅支持 LRU。
eviction.triggerWatermark	0.8	触发逐出的使用比例 (0.0--1.0]。
eviction.evictionRatio	0.2	逐出比例 (0.0--1.0]。

Prometheus

字段	默认	描述
prometheus.enabled	true	对外暴露 Prometheus 指标。
prometheus.port	9090	/metrics 端点端口。
prometheus.serviceMonitor.enabled	false	创建一个 ServiceMonitor CR。
prometheus.serviceMonitor.interval	30s	抓取间隔。
prometheus.serviceMonitor.labels	--	ServiceMonitor 上的附加标签。

L2 存储

字段	默认	描述
l2Backends	--	L2 后端列表 (type + config)。请参阅 二级 KV 存储。

调度

字段	默认	描述
nodeSelector	GPU 节点	默认为 nvidia.com/gpu.present: \"true\"。
affinity	--	Pod 亲和性规则。
tolerations	--	Pod 容忍度规则。
priorityClassName	--	用于 Pods 的优先级类。

覆盖与额外选项

字段	默认	描述
logLevel	INFO	DEBUG, INFO, WARNING, ERROR。
resourceOverrides	--	覆盖自动计算的资源。
env	--	额外的环境变量。
volumes	--	额外的卷。
volumeMounts	--	额外的卷挂载。
podAnnotations	--	额外的 Pod 注解。
podLabels	--	额外的 Pod 标签。
serviceAccountName	--	Pod 使用的 ServiceAccount。
extraArgs	--	额外的 CLI 标志（最后附加，可以覆盖）。

自动计算资源

当 spec.resourceOverrides 未设置时，操作符从 l1.sizeGB 派生资源：

• CPU 请求: 4 核心

• 内存请求: ceil(l1.sizeGB + 5) Gi

• 内存限制: ceil(memoryRequest * 1.5) Gi

例如，l1.sizeGB: 60 会产生 65 Gi 的请求和 98 Gi 的限制。

自动注入的 Pod 设置

操作符始终将这些注入到 Pod 规格中（它们无法通过 CRD 配置）：

• hostIPC: true -- 这是在 LMCache 和 vLLM 之间进行 CUDA IPC 所必需的。

• --host 0.0.0.0 -- 将服务器绑定到所有接口，以便节点本地服务可以路由到它。

• NVIDIA_VISIBLE_DEVICES=all -- 确保 GPU 可用于基于 IPC 的内存传输。

• TCP socket 探测 -- 启动（初始 5 秒，30 次失败）、存活（10 秒）和就绪（5 秒）探测在服务器端口上。

备注

操作符不在 /dev/shm 挂载 emptyDir。使用 hostIPC: true 时，容器直接访问主机的 /dev/shm。挂载 emptyDir 会用私有 tmpfs 进行遮蔽，从而破坏 CUDA IPC。

创建的资源

对于名为 my-cache 的 LMCacheEngine：

资源	名称	目的
DaemonSet	my-cache	运行 LMCache 服务器 Pod。
服务 (ClusterIP)	my-cache	节点本地发现（internalTrafficPolicy=Local）。
无头服务	my-cache-metrics	Prometheus 抓取目标。
ConfigMap	my-cache-connection	供 vLLM 使用的 kv-transfer-config JSON。
ServiceMonitor	my-cache	启用后由 Prometheus Operator 集成使用。

连接 ConfigMap 包含：

{
  "kv_connector": "LMCacheMPConnector",
  "kv_role": "kv_both",
  "kv_connector_extra_config": {
    "lmcache.mp.host": "tcp://my-cache.default.svc.cluster.local",
    "lmcache.mp.port": "5555"
  }
}

状态与条件

kubectl describe lmc my-cache

状态部分包括：

• phase: Pending、Running、Degraded 或 Failed。

• readyInstances / desiredInstances: 实例计数。

• endpoints: 每个节点的连接信息（节点名称、主机 IP、Pod 名称、端口、就绪状态）。

• 条件：

  • Available -- 至少有一个实例已就绪。

  • AllInstancesReady -- 所有预期实例均已就绪。

  • ConfigValid -- Spec 验证通过。

验证规则

操作符在 apply 时验证 CR 的 Spec：

字段	规则
l1.sizeGB	必需，必须 > 0。
eviction.policy	必须是 LRU（如果设置）。
eviction.triggerWatermark	必须在 (0.0, 1.0] 之间。
eviction.evictionRatio	必须在 (0.0, 1.0] 之间。
server.port	必须在 [1024, 65535] 之间。

示例

仅针对 GPU 节点

使用 nodeSelector 将 LMCache 限定在 GPU 节点上运行。新加入的 GPU 节点会自动获得一个 LMCache Pod：

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: LMCacheEngine
metadata:
  name: my-cache
spec:
  nodeSelector:
    nvidia.com/gpu.present: "true"
  l1:
    sizeGB: 60

备注

当未指定时，操作符默认将 nodeSelector 设置为 nvidia.com/gpu.present: \"true\"，因此最小化的 CR 默认已针对 GPU 节点。

自定义服务器端口

如果默认端口（5555）与其他服务冲突：

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: LMCacheEngine
metadata:
  name: my-cache
spec:
  server:
    port: 6555
  l1:
    sizeGB: 60

连接 ConfigMap 会自动更新 —— vLLM Pod 重启后即可使用新端口。

集成 Prometheus 监控的生产环境配置

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: LMCacheEngine
metadata:
  name: production-cache
  namespace: llm-serving
spec:
  nodeSelector:
    nvidia.com/gpu.present: "true"
  image:
    repository: lmcache/standalone
    tag: v0.1.0
  server:
    port: 6555
    chunkSize: 256
    maxWorkers: 4
  l1:
    sizeGB: 60
  eviction:
    triggerWatermark: 0.8
    evictionRatio: 0.2
  prometheus:
    enabled: true
    port: 9090
    serviceMonitor:
      enabled: true
      labels:
        release: kube-prometheus-stack
  podAnnotations:
    prometheus.io/scrape: "true"
    prometheus.io/port: "9090"
  priorityClassName: system-node-critical

请参阅 可观察性 以获取指标名称和 Grafana 配置。

覆盖自动计算的资源

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: LMCacheEngine
metadata:
  name: my-cache
spec:
  l1:
    sizeGB: 60
  resourceOverrides:
    requests:
      memory: "70Gi"
      cpu: "8"
    limits:
      memory: "100Gi"

CacheBlend

CacheBlend 通过重新计算一小部分 Token 来复用偏移（非前缀）位置的缓存 KV。该操作符将其作为第二个 CRD CacheBlendEngine 进行管理，并通过一个 变更准入 Webhook 将纯 Python 的 lmcache-cacheblend vLLM 插件注入到您的服务 Pod 中，因此您 无需 重新构建 vLLM 镜像。有关该技术的详细信息，请参见 混合。

它由两个部分组成，操作符同时管理它们：

• a GPU-resident CacheBlend V3 engine (lmcache server --engine-type blend), deployed as a DaemonSet with the same GPU model as LMCacheEngine (privileged + runtimeClassName: nvidia + NVIDIA_VISIBLE_DEVICES=all + hostIPC, and no nvidia.com/gpu claim) so it shares the vLLM GPU for same-device CUDA IPC; and

• vLLM 侧插件，由 Webhook 注入到已选择启用的 Pod 中。

附加先决条件

除上述操作符前提条件外，还需满足：

• cert-manager -- webhook 的服务证书由 cert-manager Issuer + Certificate 颁发。在 make deploy 之前安装它：

  kubectl apply -f https://github.com/cert-manager/cert-manager/releases/latest/download/cert-manager.yaml
  kubectl -n cert-manager wait --for=condition=Available deploy --all --timeout=180s
  

• 使用 Webhook 部署 -- 使用 make deploy（而不是 make run，后者仅为控制器并通过 ENABLE_WEBHOOKS=false 禁用 Webhook）。

• Pod 安全标准 -- webhook 注入 hostIPC/privileged，而 baseline/restricted 配置文件会拒绝这些，因此将引擎和 vLLM pod 的命名空间标记为 pod-security.kubernetes.io/enforce=privileged。

部署 CacheBlendEngine

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: CacheBlendEngine
metadata:
  name: my-cacheblend
spec:
  l1:
    sizeGB: 60
  injection:
    # The (private) cacheblend-plugin init-container image -- repository/tag/
    # pullPolicy, like spec.image.  Set repository to YOUR image; the
    # inherited engine-image default is not a valid payload.
    payloadImage:
      repository: <registry>/cacheblend-plugin
      tag: <tag>
    # Appended to the vLLM pod so the private payload image can pull; the
    # Secret must exist in the vLLM pod's namespace.
    imagePullSecrets:
      - name: my-registry-secret

该引擎以 DaemonSet 方式运行 lmcache server --engine-type blend，并生成一个包含 CBKVConnector kv-transfer-config 的 my-cacheblend-connection ConfigMap（操作符将节点本地服务的主机/端口和 cb.* 可调参数连接起来）。

为 vLLM Pod 启用注入

为 Pod 模板打上 webhook 所需的标签，并按名称将其绑定到引擎。通过镜像 ENTRYPOINT 启动 vLLM（仅传参数）——应跳过 command: [\"/bin/sh\", \"-c\", ...] 包装器，否则附加的参数无法传递给 vllm serve：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: vllm-cacheblend
spec:
  replicas: 1
  selector:
    matchLabels:
      app: vllm-cacheblend
  template:
    metadata:
      labels:
        app: vllm-cacheblend
        lmcache.ai/cacheblend-inject: "true"          # opt-in (webhook objectSelector)
      annotations:
        lmcache.ai/cacheblend-engine: "my-cacheblend" # bind to the engine
    spec:
      runtimeClassName: nvidia
      containers:
        - name: vllm
          image: lmcache/vllm-openai:<pinned-tag>
          args: ["<your-model>", "--port", "8000", "--gpu-memory-utilization", "0.8"]
          resources:
            limits:
              nvidia.com/gpu: "1"

Webhook 注入插件初始化容器、PYTHONPATH、hostIPC、私有镜像拉取密钥，以及所需的 CacheBlend vLLM 标志（--attention-backend CUSTOM、--kv-transfer-config 来自引擎的连接 ConfigMap、--block-size 64、--pipeline-parallel-size 1、--no-enable-chunked-prefill、--no-async-scheduling、--enforce-eager）。您只需提供模型和非 CacheBlend 标志。

验证注入

该 Webhook 变更的是 Pod，而非 Deployment，因此请检查 Pod：

kubectl get pod -l app=vllm-cacheblend -o yaml | \
  grep -E "initContainers|cb-plugin|PYTHONPATH|attention-backend|cacheblend-injected|skip-reason"

若未注入任何内容，请检查 Pod 的 lmcache.ai/cacheblend-skip-reason 注解：command-override（使用了 sh -c 包装器）、kv-transfer-config-present（已自行设置了该配置）、engine-not-found（缺少 <name>-connection ConfigMap）、payload-image-unset（引擎的 injection.payloadImage 未设置仓库），或 target-container-not-found（所请求的 targetContainer / cacheblend-container 注解指向了 Pod 中不存在的容器）。在 failurePolicy: Ignore 的情况下，Webhook 或证书问题也会使 Pod 静默地保持未变更 —— 请确认操作符 Pod 处于 Running 状态，且 MutatingWebhookConfiguration 已存在。

CacheBlendEngine 字段

CacheBlendEngineSpec 包含 LMCacheEngineSpec 的全部字段（见上方 CRD Spec 参考），并新增了：

字段	默认	描述
blend.checkLayer	1	计算 Token 重要性评分所在的层（cb.check_layer）。
blend.recompRatio	0.15	非前缀命中 Token 被重新计算的比例（cb.recomp_ratio）。
injection.payloadImage	必需	（私有）cacheblend-plugin 初始化容器镜像（repository / tag / pullPolicy）。必须设置 repository——继承自引擎镜像的默认值并非有效的负载镜像。
injection.imagePullSecrets	--	追加到 vLLM Pod 的私有负载镜像拉取密钥。
injection.targetContainer	第一个容器	要注入的 vLLM 容器的名称。
injection.cudagraph	eager	eager | piecewise | full_decode_only（不可使用 full）。

server.chunkSize 的默认值为 256，并且必须等于 256（混合匹配器要求 chunk_size == vLLM --block-size * 4）。

LMCacheCoordinator

The LMCacheCoordinator CRD runs the mp coordinator -- a fleet-wide HTTP service that tracks mp server instances, evicts those whose heartbeats lapse, performs L2 quota eviction, and hosts the global CacheBlend fingerprint directory. It is a plain (non-GPU) Deployment exposed through a ClusterIP Service; engines reach it via coordinator.ref or coordinator.url.

Deploying a Coordinator

A ready-to-edit manifest lives at config/samples/lmcache_v1alpha1_lmcachecoordinator.yaml in the operator repo. A minimal coordinator:

apiVersion: lmcache.lmcache.ai/v1alpha1
kind: LMCacheCoordinator
metadata:
  name: my-coordinator
spec:
  port: 9300

kubectl get lmcc my-coordinator   # shortName: lmcc

Connecting an Engine

Point an LMCacheEngine / CacheBlendEngine at the coordinator through its coordinator block. Use ref to name a coordinator in the same namespace (the operator resolves it to the in-cluster Service URL), or url for an explicit endpoint:

spec:
  coordinator:
    ref:
      name: my-coordinator       # or: url: http://my-coordinator.default.svc:9300
    heartbeatInterval: 5          # seconds; must be > 0
    l2EventReporting: false       # report L2 store/lookup events for fleet eviction

Coordinator CRD Spec Reference

Topology

字段	默认	描述
replicas	1	Coordinator pods. The registry is per-process in-memory, so >1 only makes sense behind a shared durable backend. Must be >= 0.
image.repository / image.tag / image.pullPolicy	shared engine image	Runs the same lmcache binary as the engines.
imagePullSecrets	--	镜像拉取密钥引用。

HTTP Server

字段	默认	描述
host	0.0.0.0	Address the coordinator's HTTP server binds to.
port	9300	HTTP port (1--65535).

Membership & Health

字段	默认	描述
instanceTimeout	30	Seconds without a heartbeat after which an instance is evicted. Set comfortably above the engines' coordinator.heartbeatInterval.
healthCheckInterval	10	Seconds between health-check sweeps; 0 disables the loop.

L2 Quota Eviction

字段	默认	描述
evictionCheckInterval	5	Seconds between L2 eviction sweeps; 0 disables the loop.
evictionRatio	0.2	Fraction of tracked keys (by count) to evict per cycle, [0.0, 1.0].
triggerWatermark	1.0	Usage fraction of the quota that fires eviction, (0.0, 1.0].

Global CacheBlend Directory

字段	默认	描述
blendChunkSize	256	Tokens per chunk for the global CacheBlend directory (the match unit). Must equal the LMCache chunk size the blend servers use. Must be > 0.
blendProbeStride	1	Positions between match probes. 1 probes every offset for full recall; raise it to trade recall for coordinator CPU. Must be > 0.

Prometheus, Scheduling & Overrides

字段	默认	描述
prometheus.enabled	true	Expose the metrics container port. See the note below.
prometheus.port	9090	Metrics port.
prometheus.serviceMonitor.enabled	false	Create a ServiceMonitor CR (and headless metrics Service).
prometheus.serviceMonitor.interval	30s	抓取间隔。
logLevel	INFO	DEBUG | INFO | WARNING | ERROR.
resourceOverrides	--	Pod resource requests/limits (no auto-compute; the coordinator is CPU/memory light).
nodeSelector / affinity / tolerations / priorityClassName	--	Pod scheduling controls.
env / volumes / volumeMounts / podAnnotations / podLabels / serviceAccountName	--	Standard pod-shaping fields.
extraArgs	--	Extra CLI flags (appended last, can override any auto-generated flag).

备注

The coordinator process does not yet expose a /metrics endpoint. The Prometheus wiring is present for parity but is only useful once metrics are added; serviceMonitor.enabled defaults to false.

Coordinator Resources Created

For an LMCacheCoordinator named my-coordinator:

资源	名称	目的
Deployment	my-coordinator	Runs the coordinator HTTP server pods.
服务 (ClusterIP)	my-coordinator	Fleet-wide discovery on the HTTP port.
无头服务	my-coordinator-metrics	Prometheus scrape target (when serviceMonitor.enabled).
ServiceMonitor	my-coordinator	Prometheus Operator integration (when serviceMonitor.enabled).

The status endpoint other components use to reach the coordinator is http://<name>.<namespace>.svc:<port> (e.g. http://my-coordinator.default.svc:9300).

Coordinator Status & Conditions

状态部分包括：

• phase: Pending、Running、Degraded 或 Failed。

• replicas / readyReplicas: Pod counts from the Deployment.

• endpoint: In-cluster URL for reaching the coordinator.

• observedGeneration: Most recent reconciled generation.

• 条件：

  • Available -- At least one replica is ready.

  • AllInstancesReady -- All desired replicas are ready.

  • ConfigValid -- Spec 验证通过。

Coordinator Validation Rules

字段	规则
port	Must be in [1, 65535].
replicas	Must be >= 0.
instanceTimeout	Must be > 0.
healthCheckInterval / evictionCheckInterval	Must be >= 0.
evictionRatio	Must be in [0.0, 1.0].
triggerWatermark	必须在 (0.0, 1.0] 之间。
blendChunkSize / blendProbeStride	Must be > 0.

Operator 与手动部署对比

对比项	手动 DaemonSet	LMCacheEngine Operator
hostIPC	必须手动设置	自动注入
--host 0.0.0.0	必须手动设置	自动注入
服务发现	hostNetwork + status.hostIP	节点本地 ClusterIP 服务 + ConfigMap
vLLM 配置	将 JSON 复制到部署中	挂载 <name>-connection ConfigMap
资源大小调整	手动计算	从 l1.sizeGB 自动计算
Prometheus	手动 ServiceMonitor	serviceMonitor.enabled: true
验证	仅限运行时错误	kubectl apply 拒绝无效的规格
新的 GPU 节点	DaemonSet 处理它	DaemonSet 处理它（相同）

安全注意事项

hostIPC 将主机的 IPC 命名空间（System V IPC，POSIX 消息队列）暴露给容器。容器中的任何进程都可以与同一主机上其他进程的 IPC 资源进行交互。

• 仅在受信任的环境中部署。

• 使用 Pod 安全标准的集群必须为 LMCache 命名空间开启 privileged 配置文件——baseline 和 restricted 配置文件均会拒绝 hostIPC。

开发

make generate     # Generate DeepCopy methods
make manifests    # Generate CRD YAML + RBAC
make build        # Compile operator binary
make fmt          # go fmt
make vet          # go vet
make test         # Run unit tests
make lint         # Run golangci-lint

推送自定义 Operator 镜像：

# Docker Hub
make docker-build docker-push IMG=docker.io/<your-user>/lmcache-operator:latest
make deploy IMG=docker.io/<your-user>/lmcache-operator:latest

# Multi-platform (amd64 + arm64)
make docker-buildx IMG=<your-registry>/lmcache-operator:latest

如果您的集群需要拉取凭据：

kubectl create secret docker-registry regcred \
  --docker-server=<your-registry> \
  --docker-username=<username> \
  --docker-password=<password> \
  -n lmcache-operator-system