Google Cloud Foundation Fabric项目中net-address模块新增PSC全局访问支持
Google Cloud Platform的cloud-foundation-fabric项目是一个开源的基础设施即代码库,提供了大量可重用的Terraform模块。近期,该项目中的net-address模块进行了一项重要更新,增加了对Private Service Connect(PSC)全局访问功能的支持。
背景与需求
Private Service Connect是Google Cloud提供的一种服务,允许客户通过私有IP地址访问已发布的Google Cloud、第三方或客户自己的服务,而无需通过公共互联网。在实际应用中,有时需要允许来自不同区域的VPC网络访问PSC服务端点,这就需要启用PSC全局访问功能。
在之前的net-address模块版本中,虽然支持创建PSC消费者转发规则,但缺少对allow_psc_global_access参数的支持,这限制了跨区域访问PSC服务的能力。
技术实现细节
本次更新主要涉及两个方面的修改:
-
在psc.tf文件中,google_compute_forwarding_rule资源新增了allow_psc_global_access参数,该参数将绑定到每个PSC地址配置的对应值。
-
在variables.tf文件中,psc_addresses变量类型定义中添加了allow_psc_global_access作为可选参数,默认值为false,保持向后兼容性。
功能优势
这一改进为用户带来了以下好处:
- 现在可以通过简单的配置启用PSC全局访问,允许来自不同区域的VPC网络访问服务
- 保持了模块的向后兼容性,未明确设置该参数时将默认为false
- 提供了更大的灵活性,用户可以根据业务需求选择是否开放全局访问
使用示例
要使用这一新功能,用户可以在配置psc_addresses时添加allow_psc_global_access参数:
psc_addresses = {
"example-psc" = {
region = "us-central1"
address = "10.0.0.5"
service_attachment = {
psc_service_attachment_link = "projects/my-project/regions/us-central1/serviceAttachments/my-sa"
}
allow_psc_global_access = true
}
}
总结
这一更新进一步丰富了net-address模块的功能,使其能够更好地支持企业级网络架构中复杂的服务访问需求。通过简单的配置,用户现在可以灵活控制PSC服务的访问范围,既保证了安全性,又提供了必要的跨区域访问能力。
对于正在使用cloud-foundation-fabric项目中net-address模块的用户,建议评估是否需要启用PSC全局访问功能,以优化您的云网络架构设计。
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