EKS Distro v1-31-eks-19版本发布:关键安全更新与组件升级
Amazon EKS Distro(EKS-D)是亚马逊推出的一个开源Kubernetes发行版,它提供了与Amazon Elastic Kubernetes Service(EKS)完全兼容的Kubernetes版本。EKS Distro让用户能够在任何环境中运行与EKS相同的Kubernetes版本,包括本地数据中心、边缘计算环境或其他云平台。
近日,EKS Distro发布了v1-31-eks-19版本,这是基于Kubernetes 1.31分支的一个重要更新。本次更新主要聚焦于安全问题修复和多个关键组件的升级,特别是针对容器存储接口(CSI)相关组件的安全增强。
核心组件版本更新
本次发布中,EKS Distro v1-31-eks-19包含了以下核心组件的更新:
- Kubernetes控制平面组件升级至v1.31.7版本,包括kube-apiserver、kube-controller-manager、kube-scheduler和kube-proxy
- etcd分布式键值存储升级至v3.5.16版本
- CoreDNS服务发现组件保持v1.11.4版本不变
- aws-iam-authenticator组件保持v0.6.30版本不变
重点安全更新
本次版本最显著的变化是针对CSI(Container Storage Interface)相关组件的一系列安全补丁。CSI是Kubernetes中用于标准化存储接口的规范,允许存储提供商开发插件而无需修改核心Kubernetes代码。
在v1-31-eks-19版本中,所有主要CSI组件都获得了安全更新,修复了编号为CVE-2025-22872的安全问题。这些更新包括:
- CSI node-driver-registrar组件安全增强
- CSI livenessprobe健康检查组件安全修复
- CSI external-resizer卷大小调整组件问题修补
- CSI external-provisioner卷供应组件安全更新
- CSI external-attacher卷附加组件问题修复
- CSI external-snapshotter卷快照组件安全补丁
这些更新确保了使用EKS Distro的集群在存储操作方面的安全性,特别是对于需要动态卷供应、快照管理等高级存储功能的用户至关重要。
基础镜像更新
除了功能组件外,本次发布还更新了基础容器镜像。基础镜像是构建其他组件的基础,其更新通常包括操作系统级的安全补丁和依赖项更新,为整个发行版提供了更稳固的基础。
向后兼容性考虑
EKS Distro v1-31-eks-19保持了与之前版本的API兼容性,这意味着用户可以在不修改应用程序代码的情况下升级到这个版本。不过,作为最佳实践,建议在升级生产环境前先在测试环境中验证应用程序的兼容性。
升级建议
对于正在使用EKS Distro v1-31系列的用户,建议尽快规划升级到v1-31-eks-19版本,特别是那些依赖CSI功能的集群。升级时应遵循标准的Kubernetes升级流程,确保关键工作负载的高可用性。
对于新用户,v1-31-eks-19版本提供了一个稳定且安全的基础,适合在生产环境中部署。用户可以从官方渠道获取发布清单文件,其中包含了所有组件的精确版本和镜像位置信息。
总结
EKS Distro v1-31-eks-19版本通过关键安全更新和组件升级,进一步提升了Kubernetes集群的稳定性和安全性。特别是对CSI组件的全面安全加固,使得这个版本成为需要高级存储功能的用户的理想选择。作为与Amazon EKS保持一致的发行版,EKS Distro继续为混合云和多云环境下的Kubernetes部署提供可靠的支持。
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