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。
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