Skip to main content

Command Palette

Search for a command to run...

介绍一个小工具:Dyff

Updated
1 min read

YAML 工人经常需要对类似的 YAML 进行对比,查看其中的更新或者状态变化,通用的 diff 工具经常是能胜任的,例如:

$ diff n1.yaml n2.yaml
...
<       - image: dustise/sleep:v0.9.5
---
>       - image: dustise/sleep:v0.9.6

但是如果出现了字段的平移,或者新加了一些元素,结果可能就比较难看了,例如移动几个字段的位置:

$ diff n1.yaml n2.yaml
11,13d11
<   progressDeadlineSeconds: 600
<   replicas: 1
<   revisionHistoryLimit: 10
19d16
<       maxSurge: 25%
20a18
>       maxSurge: 25%
21a20,22
>   progressDeadlineSeconds: 500
>   replicas: 1
>   revisionHistoryLimit: 10
...

这几个字段发生变化并移位之后,就比较难用肉眼观测具体的有效变更了。这种情况下,Dyff 就可以派上用场了。

安装很容易,在 macOS 中可以使用 Homebrew 进行安装:brew install homeport/tap/dyff,Linux 和 macOS 中也可以使用脚本 curl --silent --location https://tinyurl.com/y4qvdl4d |bash 进行安装。

官方文档中展示了它的基本子命令 between

如果对一个手写的 yaml 和它的线上版本进行对比,可能会有很麻烦的输出,例如 managedFiledstatus 等字段:

$ kubectl get deploy sleep -o yaml | dyff bw sleep.yaml  -
...
+ one map entry added:
  status:
...
metadata
  + six map entries added:
    creationTimestamp: 2021-01-24T07:51:40Z
    generation: 1
    managedFields:
...
spec.template.spec
  + one map entry added:
    securityContext: {}

spec.template.spec.containers.sleep
  + one map entry added:
    resources: {}
...

这里可以用 krew 目录中的 neat 插件进行处理,这个插件能将线上运行对象所输出的 YAML 进行清理,能大大地减少状态字段的干扰,同样也支持管道操作,例如:

kubectl get deploy sleep -o yaml | kubectl neat - |  dyff bw sleep.yaml  -

这样处理一下之后,视野就会清楚很多了。

除了对比之外,dyff 还支持 yaml 和 json 的互转,加上 neat 的操作可以是这样:

$ kubectl get deploy sleep -o yaml | kubectl neat - | dyff json -
{
  "apiVersion": "apps/v1",
  "kind": "Deployment",
  "metadata": {
    "annotations": {
      "deployment.kubernetes.io/revision": "1"
    },

相关链接

  • Dyff:https://github.com/homeport/dyff

  • Neat:https://github.com/itaysk/kubectl-neat

  • Krew:https://github.com/kubernetes-sigs/krew

More from this blog

龙虾恐慌:AIOps 又要改名了?

ChatGPT 开始,把 AI 拉近到普罗大众的面前,让无数人感受到 AI 的亲民魅力。而龙虾,则把大模型驱动的自动化能力,突然间变得水灵灵、活泼泼地走进千家万户。它不只是“风口上的猪”,而是风口本身。热度高到让 Mac mini 一度断货,不知道这在不在库克的预料之内。 每代人都有每代人的鸡蛋,春节期间,我就领了我的鸡蛋。翻出古老的 MacBook Air M1,充值各种大模型。当然了,这个工具

Mar 9, 20261 min read

再见 2025

我猜不少人以为这个号废了吧?并没有,只是今年变化有点大,一直有种抄起键盘,无从说起的感觉,所以一直偷懒到今天,2025 的最后一天。 今年是我的第四个本命年,去年末一期播客里,大内说本命年不是灾年,是变化年,有危也有机。可是讲真啊,只看到危,没看到机。 各种因缘际会,从鹅厂跳槽到前东家,已经接近四年,第一个合同期已经进入尾声。除了前两年还在云原生领域嗷嗷叫,后两年基本都是些鸡零狗碎的东西了,用老东家的术语说是——偏离主航道,可谓是前景暗淡了。 一旦确定要滚蛋,反倒心思轻松起来,每天骑着我的小红车...

Jan 5, 20261 min read

辅助编程?dora 说:我知道你很急可是请你别急

从 OpenGPT 把大模型的火烧旺了之后,这三年来,相信很多组织或摩拳擦掌、或躬身入局,希望借助聪明能干的大模型,或想偿还技术宅,或想降本增效,或想弯道超车。一时间,沉寂许久的 AIxx 又活过来了,LLM Ops、Vibe Coding、中医大模型、GPT 算命等等,全都老树发新芽,焕发了勃勃生机。那么视角拉回从业者最关注的饭碗相关的领域之一——AI 辅助开发,产生了什么触动,应该如何拥抱呢? DORA 的年度报告中给出了很有意思的结论——强者恒强。 执行摘要部分总结了几个有趣的点: 问题...

Oct 6, 20251 min read

[译]dora:ai 辅助软件开发状态报告

执行摘要 在 2025 年,科技领导者面临的核心问题已不再是“是否要采用 AI”,而是“如何实现其价值”。 DORA 的研究基于超过 100 小时的定性访谈和来自全球近 5,000 名技术专业人士的问卷调查。研究揭示了一个关键事实:AI 在软件开发中的主要角色是“放大器”。它会放大高效能组织的优势,也会凸显组织的缺陷。 关键结论:AI 是放大器 AI 投资的最大回报并非来自工具本身,而是来自组织底层系统的战略性建设: 高质量的内部平台 清晰的工作流 团队的协同能力 缺少这些基础,AI ...

Oct 2, 202514 min read

僭越了,有人在用 Rust 写 Kubernetes

一个新语言问世,最爱做的事情之一,就是重写存量软件了。 云原生喝酒 SIG 重点扶持项目——rk8s(https://github.com/rk8s-dev/rk8s) 也可以归在这个范畴里,只不过这个项目重写的东西比较大,是 Kubernetes。 从 2025 年 1 月第一个 Commit 开始,到现在有了 200 多次 Commit,十几万行代码。当然距离 Kubernetes 的几百万行代码还差得远——老马就是喜欢整这种大无畏项目。 另外该项目也是国内第一个脱离 Cargo 转向使用 ...

Sep 27, 20253 min read

【伪】架构师

342 posts