Linkerd2边缘版本25.1.1发布:网络代理与Kubernetes服务网格的重要更新
项目简介
Linkerd2是一个轻量级的Kubernetes服务网格,它通过透明的代理机制为微服务提供可观察性、可靠性和安全性功能。作为云原生计算基金会(CNCF)毕业项目,Linkerd2以其简单性和低资源消耗著称,特别适合需要服务网格功能但又不希望引入复杂架构的团队。
核心更新内容
网络代理功能增强
本次发布的edge-25.1.1版本在网络代理方面进行了多项重要改进:
-
TLS版本升级:现在强制要求与Kubernetes API服务器通信时使用TLS 1.3版本,这显著提升了通信安全性。虽然Kubernetes从1.19版本就开始支持TLS 1.3,但Linkerd2目前仍保持对Kubernetes 1.22及以上版本的支持要求。
-
RHEL节点支持:增加了对Red Hat Enterprise Linux(RHEL)节点的完整iptables支持,这使得Linkerd2在更多企业环境中能够无缝运行。
-
代理日志处理优化:修复了代理日志级别设置中包含引号时的处理问题,使日志配置更加灵活可靠。
Kubernetes集成改进
-
Pod就绪状态处理:现在Linkerd2能够与尚未通过就绪检查但正在运行的Pod通信,这一改进由社区贡献者Tuomo实现,解决了在某些场景下服务可用性问题。
-
Helm图表增强:
- 现在可以为每个部署单独指定podAnnotations,提供了更细粒度的配置能力
- 增加了对proxyInit.closeWaitTimeoutSecs参数的验证,确保当设置此参数时必须同时设置proxy.runAsRoot,避免配置错误
-
IPv6集群支持:修复了在IPv6集群中使用Helm安装扩展时的问题,使Linkerd2能够更好地适应现代网络环境。
可视化与控制台改进
-
仪表板标签支持:现在可以为可视化(VIZ)仪表板的Web服务添加自定义标签,这为集成到现有监控系统提供了更多灵活性。
-
端口转发错误处理:清理了CLI中端口转发错误的输出格式,使错误信息更加清晰易读。
技术细节深入
环境变量增强
新版本在代理容器环境中添加了Pod UID和代理容器名称信息,这为调试和监控提供了更多上下文信息,特别是在处理多容器Pod时特别有用。
配置验证强化
系统现在会验证proxy.runAsRoot和proxyInit.closeWaitTimeoutSecs之间的依赖关系。这实际上是一个功能性要求,但之前的版本没有在安装时进行验证,可能导致配置错误。这一改进使得配置更加健壮。
CNI配置简化
移除了部分不必要的CNI配置值,使配置更加简洁,减少了潜在的错误来源。
开发者体验改进
-
Shell脚本优化:感谢Joakim Roubert的贡献,清理和优化了开发相关的shell脚本,提高了开发效率。
-
测试框架增强:减少了代理注入器测试中的样板代码,使测试更加简洁。
注意事项
虽然这是一个功能丰富的版本,但团队建议用户直接使用edge-25.1.2版本,因为edge-25.1.1创建的资源与edge-25.1.2不兼容。这反映了Linkerd团队对稳定性的重视,即使在边缘版本中也力求提供最佳用户体验。
总结
Linkerd2 edge-25.1.1版本在网络代理、Kubernetes集成和开发者体验方面都带来了显著改进。从强化的TLS安全支持到更灵活的配置选项,这些更新进一步巩固了Linkerd2作为轻量级服务网格解决方案的地位。特别是对RHEL环境的支持和对IPv6集群的改进,使得Linkerd2能够适应更广泛的企业部署场景。虽然建议用户直接使用后续版本,但这个版本所包含的技术改进仍然值得关注和学习。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00