Hetzner-k3s v2.2.8版本发布:增强大规模集群支持与自动扩展功能
Hetzner-k3s是一个基于Hetzner云平台部署Kubernetes集群的开源工具,它简化了在Hetzner云上创建和管理Kubernetes集群的过程。该项目通过自动化部署流程,帮助开发者快速搭建生产级的Kubernetes环境。最新发布的v2.2.8版本带来了多项重要改进,特别是在大规模集群支持和自动扩展功能方面的增强。
大规模集群公共网络支持
新版本最显著的改进是针对大规模集群的公共网络支持。Hetzner的私有网络存在一个硬性限制——最多只能支持100台服务器。对于需要更大规模集群的用户来说,这个限制成为了一个明显的瓶颈。
v2.2.8版本通过以下技术方案解决了这个问题:
-
加密通信:所有节点间的通信在CNI层使用加密技术,确保公共网络上的数据传输安全。
-
自定义防火墙:每个节点上部署了自定义防火墙来管理节点间的通信。相比Hetzner提供的防火墙服务,自定义防火墙在大规模集群场景下表现更优,特别是在同时创建大量节点时,避免了Hetzner防火墙更新缓慢的问题。
-
IP查询服务器:实现了一个轻量级的容器化IP查询服务器,它会定期(每30秒)查询Hetzner API获取所有节点的IP列表。各节点的自定义防火墙会从这个服务器获取最新的IP列表,自动更新防火墙配置。这种设计不仅免去了手动管理防火墙的麻烦,还能很好地适应自动扩展场景,因为自动扩展节点的IP地址无法预先确定。
自动扩展节点池功能增强
v2.2.8版本对自动扩展节点池的功能进行了重要补充:
-
标签和污点支持:现在可以为自动扩展的节点池配置标签(Label)和污点(Taint),这使得用户能够更精细地控制Pod的调度策略,满足不同工作负载的特殊需求。
-
修复静态节点池问题:解决了当同时存在自动扩展节点池时,静态节点池的标签和污点配置不生效的问题。
系统稳定性与兼容性改进
新版本还包含多项提升系统稳定性和兼容性的改进:
-
cloud-init修复:修复了当
growpart_str不为空时出现的cloud-init模式验证错误。 -
microOS兼容性:解决了在microOS系统上创建集群时可能出现的未处理异常问题。
-
组件升级:更新了多个关键组件,包括集群自动扩展器(Cluster Autoscaler)、Hetzner CSI驱动、Hetzner云控制器管理器以及Rancher系统升级控制器。
安全与稳定性优化
考虑到节点升级过程中的潜在风险,v2.2.8版本将worker节点的k3s升级并发数默认设置为1。这一改变可以降低同时升级多个节点可能带来的风险。用户仍然可以通过顶层配置选项k3s_upgrade_concurrency来调整这一设置,以满足特定场景的需求。
总结
Hetzner-k3s v2.2.8版本通过引入公共网络支持、增强自动扩展功能以及多项稳定性改进,显著提升了工具在大规模生产环境中的适用性。特别是对于那些需要超过100个节点的Kubernetes集群用户,新版本提供了可行的解决方案,同时保持了易用性和安全性。自定义防火墙与IP查询服务器的设计展示了项目团队对实际运维挑战的深刻理解,这些创新设计有望为用户带来更顺畅的集群管理体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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