Terraform Provider for Google v6.37.0 版本深度解析
Google Cloud Terraform Provider 是 HashiCorp 与 Google 合作开发的官方基础设施即代码工具,它允许开发者通过声明式配置来管理 Google Cloud Platform (GCP) 上的各种资源。最新发布的 v6.37.0 版本带来了一系列令人振奋的新功能和改进,显著增强了用户在 GCP 上的基础设施管理能力。
新功能亮点
本次更新引入了多个全新的数据源和资源类型,进一步扩展了 Terraform 在 GCP 上的覆盖范围:
在数据源方面,新增了 google_bigquery_table 和 google_gke_hub_membership,使用户能够更方便地获取 BigQuery 表和 GKE Hub 成员资格的详细信息,而无需手动查询 API。
资源类型方面有更多创新:
google_apigee_security_monitoring_condition为 Apigee API 管理平台提供了细粒度的安全监控能力google_beyondcorp_security_gateway_application支持 BeyondCorp 零信任架构中的安全网关应用配置google_cloud_run_v2_worker_pool扩展了 Cloud Run 的无服务器容器部署能力google_compute_future_reservation允许预先规划未来的计算资源预留- 数据治理方面新增了
google_dataplex_glossary_category和google_dataplex_glossary_term,完善了 Dataplex 的数据目录功能 - IAM 领域新增了
google_iam_workforce_pool_provider_key,增强了身份联合管理能力 - 消息队列方面新增了
google_managed_kafka_acl,为托管 Kafka 服务提供了访问控制功能
核心功能增强
AlloyDB 数据库服务现在支持通过 activation_policy 字段控制实例的激活策略,为数据库运维提供了更多灵活性。
网络功能方面,google_compute_network 资源现在支持 MTU 值的原地更新,无需重建整个网络资源。同时,多个网络访问控制策略相关资源已正式升级为 GA 版本,标志着这些功能的稳定性和成熟度达到了生产级标准。
在 Kubernetes 领域,google_container_cluster 资源现在支持 ip_allocation_policy.stack_type 和 enable_multi_networking 的原地更新,大大简化了集群网络配置的调整过程。
数据迁移服务新增了 create_without_validation 选项,允许在特殊情况下跳过验证步骤直接创建私有连接。Dataflow 作业模板新增了 additional_pipeline_options 字段,为作业配置提供了更多自定义选项。
存储服务方面,Memorystore 实例新增了 desired_auto_created_endpoints 字段,NetApp 存储服务增强了混合云复制功能,新增了多个相关字段。
网络范围查询功能现在支持更多类型的 IP 范围查询,包括新增的直接连接专用 API 访问范围和 IPv6 支持。
问题修复与优化
计算引擎方面修复了附加磁盘时可能导致的实例重建问题。Gemini 相关资源修复了产品字段的永久性差异问题。网络服务修复了边缘缓存服务缓存模式变更时的验证错误。
私有证书颁发机构服务解决了基础约束条件设置的问题,现在可以正确设置零值和空值。VPC 访问连接器修复了可能导致现有资源无效的配置验证问题。
总结
v6.37.0 版本展示了 Terraform Provider for Google 持续创新的能力,特别是在混合云、安全监控、数据治理和网络功能方面。这些更新不仅增加了对新服务的支持,还优化了现有功能的用户体验,使基础设施管理更加高效和可靠。对于正在使用或计划使用 Terraform 管理 GCP 资源的团队来说,这个版本值得重点关注和升级。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00