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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00