Terraform Provider Google v6.28.0 版本深度解析
Google Cloud 官方 Terraform Provider 发布了 v6.28.0 版本,这个版本带来了多项重要更新,包括新功能、现有功能的改进以及一些问题的修复。作为基础设施即代码(IaC)领域的重要工具,Terraform Provider Google 帮助开发者以声明式的方式管理 Google Cloud 资源。
新功能亮点
本次更新引入了多个新资源,显著扩展了 Terraform 对 Google Cloud 服务的覆盖范围:
-
Chronicle 安全产品线支持:新增了多个与 Google Chronicle 安全产品相关的资源,包括数据访问范围(chronicle_data_access_scope)、参考列表(chronicle_referencelist)、规则(chronicle_rule)等,为安全团队提供了更强大的基础设施自动化能力。
-
参数管理服务:新增了 parameter_manager 系列资源,包括参数版本管理(parameter_manager_parameter_version)和参数定义(parameter_manager_parameter)等,帮助用户更好地管理系统配置参数。
-
存储智能配置:新增了 storage_control 系列资源,如文件夹智能配置(storage_control_folder_intelligence_config),提供了更精细的存储管理能力。
-
Apigee 集成:新增了 apigee_dns_zone 资源,为 API 管理提供了更完善的 DNS 配置支持。
现有功能增强
除了新增资源外,本次更新还对多个现有资源进行了功能增强:
-
计算引擎改进:
- 为 compute_subnetwork 添加了 external_ipv6_prefix 等 IPv6 相关字段
- 在 compute_instance 和 compute_instance_template 中增加了多个磁盘加密相关字段
- 改进了 compute_router 的 MD5 认证密钥支持
-
容器服务优化:
- 为 container_cluster 添加了自动监控配置(auto_monitoring_config)
- 增加了 L4 负载均衡防火墙协调禁用选项(disable_l4_lb_firewall_reconciliation)
-
网络安全性提升:
- network_security_security_profile 增加了 antivirus_overrides 字段
- 多个镜像端点组相关资源增加了位置和关联配置选项
-
内存存储增强:
- redis_cluster 增加了跨集群复制配置(cross_cluster_replication_config)
- 新增了自动化备份配置支持(automated_backup_config)
重要变更与弃用
本次版本包含了一些重要的变更和弃用通知:
-
弃用通知:
- compute_subnetwork 中的 enable_flow_logs 字段被弃用,推荐使用 log_config
- container_registry 相关资源和数据源被弃用,推荐使用 artifact_registry_repository
-
行为变更:
- 修正了 compute_subnetwork 中 log_config 与 enable_flow_logs 的交互逻辑
- 修复了 org_policy_policy 中多规则处理的问题
问题修复
本次更新修复了多个已知问题,包括:
-
稳定性修复:
- 为 alloydb_cluster 添加了互斥锁,防止多集群操作冲突
- 修复了 artifact_registry_repository 中的类型断言问题
-
功能修复:
- 修正了 bigtable_table 的自动化备份策略配置
- 解决了 cloud_run_v2_job 中环境变量差异检测的问题
- 修复了 workbench_instance 中元数据的持久差异问题
-
性能优化:
- 增加了 resourcemanager 服务列表的页面大小,缓解配额问题
总结
Terraform Provider Google v6.28.0 版本带来了丰富的新功能和重要改进,特别是在安全产品集成(Chronicle)、参数管理和存储控制方面。同时,多项现有服务的增强和问题修复也提升了整体的稳定性和可用性。对于使用 Google Cloud 的 Terraform 用户来说,这个版本值得升级,以获得更完善的基础设施管理能力。
开发者在升级时需要注意已弃用功能的迁移,特别是容器注册表和子网络流日志相关的变更。随着 Google Cloud 服务的持续演进,Terraform Provider Google 也在不断更新以提供最佳的支持体验。
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