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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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