RKE2 v1.31.7版本发布:Kubernetes安全与网络功能升级
RKE2是Rancher推出的一个轻量级Kubernetes发行版,专为生产环境设计,具有安全、合规和易管理等特性。它结合了Kubernetes的强大功能和Rancher在容器编排领域的丰富经验,为企业和开发者提供了一个稳定可靠的Kubernetes运行环境。
核心升级内容
本次发布的v1.31.7版本主要包含以下重要更新:
-
Kubernetes版本升级:基础Kubernetes组件升级至v1.31.7版本,包含了上游Kubernetes项目的所有安全补丁和功能改进。
-
Ingress-Nginx安全增强:将rke2-ingress-nginx升级至controller v1.12.1-hardened1(chart版本4.12.1),解决了CVE-2025-1974等安全问题,提升了入口控制器的防护能力。
-
网络插件更新:
- Cilium升级至v1.17.1版本
- Flannel升级至v0.26.500
- Canal升级至v3.29.2-build2025030601
- 更新了Multus CNI插件镜像,新增了bond功能支持
-
核心DNS服务升级:CoreDNS组件升级至v1.39.100版本,提升了DNS解析的稳定性和性能。
关键组件版本信息
- 容器运行时:Containerd v2.0.4-k3s2
- Etcd:v3.5.19-k3s1
- Runc:v1.2.5
- Metrics-server:v0.7.2
- Helm-controller:v0.16.6
安全注意事项
本次更新特别强调了集群启动令牌的重要性。如果服务器节点启动时未显式指定--token参数或配置文件中的token值,系统会在初始集群启动时生成一个随机令牌。这个令牌有两个关键用途:
- 用于将新节点加入集群
- 用于加密存储在数据存储中的集群引导数据
管理员需要妥善保管这个令牌,特别是在进行集群恢复操作时。可以通过以下命令在任何已加入集群的服务器节点上查看当前令牌:
cat /var/lib/rancher/rke2/server/token
网络插件选择
RKE2提供了多种CNI(容器网络接口)插件选项,满足不同场景需求:
- Canal(默认):结合Flannel和Calico,提供简单易用的网络方案,支持FIPS合规
- Calico:v3.29.2版本,提供丰富的网络策略功能
- Cilium:v1.17.1版本,基于eBPF技术,提供高级网络可视化和安全功能
- Multus:v4.1.4版本,支持多网络接口配置
容器镜像更新
本次发布包含了全面的容器镜像更新,涵盖了核心组件和各种插件。镜像支持两种压缩格式(tar.gz和tar.zst),用户可以根据自身环境选择合适的格式。特别值得注意的是:
- 新增了Windows 1809和LTSC2022版本的容器镜像支持
- 提供了针对不同CPU架构(amd64和arm64)的优化镜像
- 各功能组件镜像独立打包,便于按需下载
总结
RKE2 v1.31.7版本通过核心组件升级和安全补丁,进一步提升了Kubernetes集群的稳定性和安全性。特别是对Ingress-Nginx控制器的安全加固,解决了已知问题,降低了生产环境的风险。同时,网络插件的更新为用户提供了更丰富的网络功能和更好的性能表现。
对于正在使用RKE2的用户,建议评估升级计划,特别是关注安全相关更新。新用户可以考虑从这个版本开始部署,以获得最佳的安全性和功能体验。
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-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