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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00