Kubespray v2.28.0 版本深度解析:Kubernetes集群部署的重要更新
Kubespray 是一个广受欢迎的 Kubernetes 集群部署工具,它基于 Ansible 自动化框架,能够帮助用户在多种环境中快速、可靠地部署生产级 Kubernetes 集群。作为社区驱动的开源项目,Kubespray 持续更新以支持最新的 Kubernetes 版本和各种云原生组件。
核心组件版本升级
本次 v2.28.0 版本带来了多个核心组件的重大更新:
- Kubernetes 升级至 1.32.5 版本,这是当前最新的稳定版本,包含了多项性能优化和安全增强
- 容器运行时 方面,Docker 升级到 28.0 版本,containerd 升级到 2.0.5,CRI-O 升级到 1.32.0
- 网络插件 中,Calico 升级到 3.29.3,Cilium 升级到 1.17.3,Flannel 升级到 0.22.0
- 存储插件 如 AWS EBS CSI 升级到 0.5.0,Azure CSI 升级到 1.10.0
- Ingress 控制器 Nginx 升级到 1.12.1,修复了多个关键安全问题
重要变更与升级注意事项
必须注意的变更项
-
Krew 安装支持移除:Krew 作为 kubectl 插件管理器,其安装支持已被移除,用户需要自行处理相关依赖。
-
版本号格式变更:所有组件版本号前的 'v' 前缀已被移除,用户需要检查并更新 inventory 文件中的版本定义。
-
etcd 配置变更:废弃的
etcd_kubeadm_enabled参数已被移除,用户需要从 inventory 中删除相关配置。 -
Gateway API 通道配置:
gateway_api_experimental_channel已被弃用,建议改用gateway_api_channel并设置experimental参数。
网络功能增强
-
Cilium CNI 重大改进:
- 安装过程从 Jinja 模板改为使用 Cilium CLI,提升了部署可靠性
- 新增多项 Hubble 流日志高级配置选项
- 默认身份分配模式改为 CRD,提升了安全性
- 主机传统路由默认禁用,符合现代网络实践
-
双栈网络重构:废弃了
enable_dual_stack_networks参数,改为分别配置 IPv4 和 IPv6 网络栈,提供了更清晰的网络配置方式。 -
kube-proxy 新增支持:增加了对 nftables 模式的支持,为使用最新 Linux 内核的用户提供了更好的性能。
安全性与可靠性提升
-
控制平面资源要求:控制平面节点的最小内存要求提高到 2GB,确保 Kubernetes 组件稳定运行。
-
关键安全问题修复:
- Ingress-Nginx 升级到 1.12.1 修复了多个高危问题
- 所有负载均衡器镜像升级到最新版本,包括 Nginx 1.27 和 HAProxy 3.1
-
证书管理改进:优化了控制平面节点间的 etcd 证书管理,确保 kubeadm 在各种场景下都能正常工作。
-
CRI-O 默认能力集调整:移除了
NET_RAW和SYS_CHROOT能力,遵循最小权限原则。
部署与运维优化
-
离线部署增强:
- 新增了 Artifactory 上传脚本,方便企业级离线环境使用
- 修复了离线镜像标签格式问题
- 改进了 Mac 系统上的 Docker 镜像服务支持
-
自定义部署选项:
- 新增
deploy_coredns参数控制是否部署 CoreDNS - 外部云提供商新增
manual选项,支持用户自行安装云控制器管理器 - 新增
ubuntu_stop_unattended_upgrades选项控制 Ubuntu 自动更新
- 新增
-
升级过程改进:
- 支持控制平面重新配置升级
- 使用
kubeadm upgrade node命令处理次要控制平面节点升级 - 防止 kubeadm 在升级时覆盖 CoreDNS 配置
废弃与移除项
-
RHEL 8 支持终止:这是最后一个支持 RHEL 8 的版本,下个版本将完全移除支持。
-
Weave CNI 测试移除:由于 Weave 项目已废弃,相关测试已被移除。
-
多个贡献脚本移除:包括 Heketi 部署脚本、KVM 设置脚本和 Mitogen 支持。
总结
Kubespray v2.28.0 是一个重要的版本更新,不仅带来了最新的 Kubernetes 和周边生态组件支持,还在安全性、可靠性和部署灵活性方面做出了多项改进。对于计划升级的用户,建议仔细阅读变更说明,特别是那些标记为"必须注意"的变更项,确保平滑过渡到新版本。这个版本特别适合那些需要最新 Kubernetes 功能、重视安全更新和寻求更稳定部署体验的用户群体。
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