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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07