Radar
Radar ist eine quelloffene, "Local-First" Kubernetes-Benutzeroberfläche, die Live-Topologie, Ereignis-Timelines, Helm- und GitOps-Sichtbarkeit (ArgoCD/Flux), Image-Inspektion, Audits und MCP-Unterstützung für KI-Agenten bietet – als einzelne schnelle Binärdatei oder selbst gehostet im Cluster.
https://radarhq.io/?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:May 19, 2026
Was ist Radar
Radar (von Skyhook) ist "die fehlende Kubernetes-Benutzeroberfläche": ein modernes Sichtbarkeits- und Fehlerbehebungstool, das Ingenieuren helfen soll, zu verstehen, was in Kubernetes-Clustern geschieht, ohne mehrere Tools jonglieren oder sich ausschließlich auf kubectl verlassen zu müssen. Es ist unter der Apache 2.0-Lizenz quelloffen und kann ohne Kontoerstellung oder Datenversand an einen Cloud-Dienst verwendet werden, wenn es lokal ausgeführt wird. Radar vereint zentrale Betriebsübersichten – wie Ressourcen-Browsing, Topologie-Visualisierung, Kubernetes-Ereignisse, Helm-Release-Management, GitOps-Status und mehr – in einer kohärenten Web-Benutzeroberfläche.
Hauptfunktionen von Radar
Radar ist eine Open-Source, Local-First Kubernetes-Benutzeroberfläche (Apache 2.0), die moderne Cluster-Sichtbarkeit durch Live-Topologiegraphen, eine Ereignis-Timeline mit Aufbewahrung über die standardmäßige Kubernetes-TTL hinaus, Ressourcen- und Helm/GitOps-Verwaltung, Verkehrs-/Dienstabhängigkeitsansichten, Image-Dateisysteminspektion und integrierte Cluster-Audit-Checks bietet. Es kann als schnelles einzelnes Go-Binary auf Ihrem Computer ausgeführt werden (kein Electron, kein Konto, keine Agenten/CRDs und keine Daten, die Ihren Computer verlassen) oder über Helm im Cluster selbst gehostet werden. Es enthält auch einen MCP-Server, damit KI-Assistenten den Cluster-Kontext über Radar abfragen können.
Single-Binary, Local-First Kubernetes UI: Läuft als leichtgewichtiges Go-Binary mit einem eingebetteten React-Frontend; verbindet sich über bestehende kubeconfig ohne Cloud-Login, ohne Agenten und ohne erforderliche clusterseitige Installation.
Live-Topologiegraph: Visualisiert Deployments/Services/Ingress und deren Beziehungen als Echtzeitgraph mit Updates, wodurch Teams Abhängigkeiten und Cross-Namespace-Verbindungen schnell verstehen können.
Ereignis-Timeline mit erweiterter Aufbewahrung: Erfasst Kubernetes-Ereignisse und -Deltas in einer navigierbaren Timeline, um Ihnen zu helfen, Vorfälle über das typische In-Cluster-Ereignis-TTL-Fenster hinaus zurückzuspulen.
Helm & GitOps-Sichtbarkeit: Durchsuchen Sie Helm-Releases, Revisionen und Werte und zeigen Sie den GitOps-Status mit nativer ArgoCD/Flux-Unterstützung an, um den gewünschten Zustand mit den von ihm erzeugten Ressourcen zu verbinden.
Image-Dateisystem-Viewer: Durchsuchen Sie Container-Image-Dateisysteme ohne kubectl exec oder Docker, nützlich zur Fehlerbehebung bei Verpackungsproblemen und zur Überprüfung des Image-Inhalts.
KI-Integration über integrierten MCP-Server: Stellt KI-Assistenten (z.B. Claude/Cursor/Copilot) den Cluster-Kontext (über MCP) für sicherere, token-optimierte Abfrage- und Fehlerbehebungs-Workflows zur Verfügung.
Anwendungsfälle von Radar
Fehlerbehebung bei On-Call-Vorfällen: Wenn Alarme ausgelöst werden, können Bediener Ressourcen durchsuchen, Topologieabhängigkeiten überprüfen, Protokolle einsehen und die Ereignis-Timeline zurückspulen, um Regressionen schneller zu identifizieren als mit kubectl-only Workflows.
Plattform-Engineering-Flottenoperationen (selbst gehostet oder lokal): Standardisieren Sie, wie Ingenieure Cluster, Namespaces und Workloads erkunden, reduzieren Sie die Werkzeugvielfalt (mehrere Dashboards/CLIs) und beschleunigen Sie alltägliche Betriebsaufgaben.
GitOps-gesteuerte Lieferüberwachung: Teams, die ArgoCD oder Flux verwenden, können den Anwendungs-Sync-Status mit den bereitgestellten Workloads und Diensten korrelieren, wodurch die Änderungsverfolgung und das Vertrauen in Rollouts verbessert werden.
Helm-Release-Governance und Rollback: Anwendungsteams können überprüfen, was sich zwischen Helm-Revisionen geändert hat, Wertdateien überprüfen und Releases bei fehlgeschlagenen Upgrades schnell zurücksetzen.
Sicherheits- und Best-Practice-Haltungsprüfungen: Verwenden Sie die Cluster-Audit-Checks, um häufige Fehlkonfigurationen und Betriebsrisiken bei Überprüfungen, Migrationen oder vor der Produktionsfreigabe zu erkennen.
KI-gestützte Cluster-Erkundung zur Unterstützung und Fehlerbehebung: Ermöglichen Sie einem KI-Agenten, den Cluster-Kontext von Radar (über MCP) abzufragen, um Fragen wie „Was läuft/was hat sich geändert/was hängt davon ab“ bei Untersuchungen zu beschleunigen.
Vorteile
Open Source (Apache 2.0) ohne Feature Gates; kann für immer selbst gehostet werden
Schnelles, leichtgewichtiges, kein Electron Single Binary; kann lokal mit kubeconfig ausgeführt werden und Daten auf Ihrem Computer speichern
Starker Visualisierungs- und Debugging-Workflow: Topologie + Timeline + Ressourcen-Browsing + Helm/GitOps
Mehrere Bereitstellungsmodi: lokales Binary oder im Cluster über Helm
Nachteile
Flottenweite Funktionen wie Aggregation, SSO, dauerhafte Aufbewahrung, weitergeleitete Alarme und Audit-Logs werden als Radar Cloud-Add-ons und nicht als Single-Binary-Funktionen positioniert
Einige Topologieverbindungen (z.B. GitOps-Ressourcen zu Workloads) hängen davon ab, wie/wo ArgoCD/Flux bereitgestellt werden und mit welchem Cluster Radar verbunden ist
Wie verwendet man Radar
1) Wählen Sie, wie Sie Radar ausführen möchten (lokal oder im Cluster): Radar kann lokal als einzelne Binärdatei ausgeführt werden, die Ihre vorhandene kubeconfig verwendet, oder über Helm für den gemeinsamen/Team-Zugriff in einem Cluster bereitgestellt werden. Beide Modi bieten dieselbe Benutzeroberfläche und dieselben Funktionen.
2) Installieren Sie Radar lokal (schnellster Start): Führen Sie aus: `curl -fsSL https://get.radarhq.io | sh && kubectl radar`, um Radar zu installieren und es gegen den Cluster in Ihrem aktuellen kubeconfig-Kontext zu starten.
3) (Optional) Installieren Sie Radar über Paketmanager: Wenn Sie möchten, installieren Sie es mit Homebrew (`brew install skyhook-io/tap/radar`) oder Krew (`kubectl krew install radar`). Starten Sie es dann mit `kubectl radar`.
4) (Optional) Stellen Sie Radar im Cluster mit Helm bereit (gemeinsamer Zugriff): Fügen Sie das Helm-Repo hinzu und installieren Sie: `helm repo add skyhook https://skyhook-io.github.io/helm-charts` und dann `helm install radar skyhook/radar -n radar --create-namespace`. Stellen Sie es über Ihren bevorzugten Ingress bereit, um die Benutzeroberfläche mit Ihrem Team zu teilen.
5) Öffnen Sie Radar und verbinden Sie sich mit Ihren Cluster(n): Im lokalen Modus liest Radar Ihre kubeconfig und öffnet eine Browser-Benutzeroberfläche. Im In-Cluster-Modus greifen Sie auf die bereitgestellte Benutzeroberfläche zu (typischerweise über einen Ingress).
6) Verwenden Sie die globale Suche, um Ressourcen schnell zu finden: Verwenden Sie die einzelne Suchleiste, um Ressourcen nach Name/Label/Art zu finden. Dies soll "kubectl Roulette" vermeiden, wenn Sie den Namespace oder die genaue Ressource nicht kennen.
7) Erkunden Sie die Topologie (Live-Ressourcengraph): Öffnen Sie die Topologie-Ansicht, um Deployments/Services/Ingresses als Live-Graph mit Echtzeit-Updates zu sehen. Klicken Sie auf Knoten, um Details anzuzeigen und Abhängigkeiten sowie "Cross-Namespace"-Beziehungen zu verstehen.
8) Überprüfen Sie den Dienstverkehr und die TLS-Integrität (sofern verfügbar): Verwenden Sie die Verkehrs-/Topologie-Ansichten, um Ost-West- und Ingress-Flüsse zu verstehen und die in der Benutzeroberfläche angezeigten TLS-Zertifikatsintegritätsindikatoren zu überprüfen.
9) Spulen Sie zurück und überprüfen Sie die Ereignis-Timeline: Öffnen Sie die Timeline, um Kubernetes-Ereignisse und -Deltas über die standardmäßige In-Cluster-Ereignis-TTL hinaus anzuzeigen. Verwenden Sie sie, um zu rekonstruieren, was vor einem Vorfall geändert wurde.
10) Springen Sie zu Protokollen und beheben Sie fehlerhafte Workloads: Von einer Ressourcenansicht (Pod/Workload) springen Sie direkt zu Protokollen, um Abstürze, Neustarts und Rollout-Probleme zu diagnostizieren, ohne kubectl-Befehle manuell zusammenfügen zu müssen.
11) Durchsuchen und verwalten Sie Helm-Releases: Verwenden Sie die Helm-Ansichten, um Releases, Revisionen und Werte anzuzeigen. Vergleichen Sie Revisionen, überprüfen Sie, was sich zwischen ihnen geändert hat, und kehren Sie bei Bedarf zu einer früheren Revision zurück.
12) Überwachen Sie GitOps-Workflows (ArgoCD und Flux): Wenn Sie ArgoCD oder Flux verwenden, öffnen Sie die GitOps-Ansichten, um den Anwendungs-Synchronisierungsstatus zusammen mit den von diesen Anwendungen erzeugten Kubernetes-Ressourcen anzuzeigen.
13) Überprüfen Sie Container-Image-Dateisysteme (kein Exec erforderlich): Verwenden Sie die Funktion "Image Filesystem", um den Inhalt von Container-Images direkt über die Benutzeroberfläche zu durchsuchen, ohne `kubectl exec` oder lokale Docker-Image-Pulls.
14) Führen Sie Cluster-Audit-Prüfungen durch: Öffnen Sie die Seite "Cluster Audit", um Best-Practice-Prüfungen (Framework-beschriftet) durchzuführen und die Ergebnisse zur Priorisierung von Härtungs- und Zuverlässigkeitsverbesserungen zu verwenden.
15) Teilen Sie, was Sie sehen, mit einem Link: Bei der Zusammenarbeit während Vorfällen verwenden Sie die teilbaren Links von Radar, um Teamkollegen direkt auf die relevante Ressource, das Zeitfenster oder die Ansicht zu verweisen.
16) (Optional) Verwenden Sie KI über MCP für sichere, token-optimierte Zusammenfassungen: Aktivieren und verwenden Sie die MCP-Integration, damit unterstützte KI-Tools (z. B. Claude/Cursor/Copilot) den Cluster-Kontext von Radar für Zusammenfassungen und geführte Fehlerbehebung lesen können, während Aktionen klar kommentiert und nicht-destruktiv bleiben.
Radar FAQs
Radar ist eine Open-Source-Kubernetes-Benutzeroberfläche, die Topologievisualisierung, Ereigniszeitachsen, Helm- und GitOps-Sichtbarkeit, Image-Inspektion, Cluster-Audits und einen MCP-Server für KI-Agenten bietet.
Beliebte Artikel
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
OpenAI schaltet Sora App ab: Was die Zukunft der KI-Videogenerierung im Jahr 2026 bereithält
Mar 25, 2026
Neueste KI-Tools ähnlich wie Radar
Hapticlabs
Hapticlabs ist ein No-Code-Toolkit, das Designern, Entwicklern und Forschern ermöglicht, immersive haptische Interaktionen über Geräte hinweg einfach zu entwerfen, zu prototypisieren und bereitzustellen, ohne programmieren zu müssen.
Deployo.ai
Deployo.ai ist eine umfassende KI-Bereitstellungsplattform, die nahtlose Modellbereitstellung, Überwachung und Skalierung mit integrierten ethischen KI-Rahmenwerken und Cloud-übergreifender Kompatibilität ermöglicht.
CloudSoul
CloudSoul ist eine KI-gestützte SaaS-Plattform, die es Benutzern ermöglicht, Cloud-Infrastrukturen sofort über natürliche Sprachkonversationen bereitzustellen und zu verwalten, wodurch das Management von AWS-Ressourcen zugänglicher und effizienter wird.
Devozy.ai
Devozy.ai ist eine KI-gestützte Entwickler-Selbstbedienungsplattform, die agiles Projektmanagement, DevSecOps, Multi-Cloud-Infrastrukturmanagement und IT-Service-Management in einer einheitlichen Lösung zur Beschleunigung der Softwarebereitstellung kombiniert.
Beliebte KI-Tools wie Radar
A2A Protocol
Das A2A (Agent2Agent)-Protokoll ist ein offenes Interoperabilitätsprotokoll, das von Google entwickelt wurde und eine nahtlose Kommunikation und Zusammenarbeit zwischen KI-Agenten über verschiedene Frameworks und Anbieter hinweg ermöglicht, unabhängig von ihrer zugrunde liegenden Architektur.
VoltOps
VoltOps ist eine Framework-agnostische LLM-Observability-Plattform, die Echtzeit-Visualisierungs-, Debugging- und Optimierungstools für KI-Agenten in jedem Technologie-Stack bietet.
Chaterm
Chaterm ist ein Open-Source-KI-natives Terminal und SRE-Copilot, das es Ingenieuren ermöglicht, komplexe Infrastruktur durch natürliche Sprache zu verwalten und Bereitstellung, Fehlerbehebung und Operationen zu automatisieren, ohne Befehle auswendig zu lernen.
Open Browser Use
Open Browser Use ist eine Open-Source, Agenten-Laufzeit-neutrale Browser-Automatisierungsschicht, die eine Chrome-Erweiterung mit einer CLI/SDK/MCP koppelt, um DOM-bewusste, CDP-gesteuerte Tab-Steuerung, Navigation und Aktionen über verschiedene KI-Agenten-Tools hinweg zu ermöglichen.