Terragrunt v0.78.0 发布:实验功能稳定化与CLI现代化改造
Terragrunt 作为 Terraform 的包装工具,通过提供更高级的抽象和自动化能力,帮助用户更高效地管理基础设施即代码。最新发布的 v0.78.0 版本标志着项目在功能成熟度和用户体验方面的重大进步。
实验功能正式稳定
本次发布中最值得关注的改进是"stacks"实验功能的完成。stacks功能为Terragrunt引入了更强大的模块组织和依赖管理能力,允许用户将相关的基础设施模块逻辑分组管理。经过充分的实验验证后,该功能现已正式稳定,用户不再需要通过--experiment stacks标志来启用这一功能。
CLI现代化改造进入新阶段
v0.78.0版本开始了CLI现代化改造的下一阶段,正式将多项传统命令标记为"已弃用"。这一变化是项目长期CLI重新设计计划的一部分,旨在提供更一致、更符合现代CLI设计原则的用户体验。
被弃用的命令包括:
hclfmt(改用hcl fmt)hclvalidate(改用hcl validate)validate-inputs(改用hcl validate --inputs)terragrunt-info(改用info print)output-module-groups(改用find --dag --json)render-json(改用render --json -w)graph-dependencies(改用dag graph)run-all(改用run --all)graph(改用run --graph)
值得注意的是,这些命令目前只是被标记为弃用,仍可继续使用。项目团队将在未来版本中完全移除这些命令,为用户提供了充足的迁移时间。
日志与用户体验改进
新版本还带来了日志显示的优化,特别是在处理stacks时。现在日志中会清晰地显示正在处理的stack文件,使得调试和理解执行流程变得更加直观。这一改进对于管理复杂基础设施项目的团队尤其有价值。
向后兼容性与迁移策略
考虑到用户迁移成本,项目团队采取了渐进式的迁移策略:
- 首先标记命令为弃用,但仍保持功能
- 提供详细的迁移指南
- 通过警告信息引导用户使用新命令
- 未来才会完全移除旧命令
用户可以通过cli-redesign严格控制选项提前适应这些变化,确保未来版本升级时的平滑过渡。
技术实现细节
在底层实现上,本次更新包含了多项改进:
- 改进了基础块解析的错误处理
- 修复了
--all标志下的中断信号处理 - 统一了环境变量命名规范
- 更新了测试套件以覆盖新旧命令
这些改进不仅提升了工具的稳定性,也为未来的功能扩展打下了坚实基础。
总结
Terragrunt v0.78.0代表了项目向更成熟、更专业方向迈出的重要一步。通过将实验功能稳定化和现代化CLI设计,项目团队展示了清晰的演进路线图。对于现有用户,建议开始规划向新命令的迁移;对于新用户,现在正是采用Terragrunt的好时机,可以直接学习现代化的CLI设计。
随着基础设施即代码实践的普及,Terragrunt通过不断改进其抽象能力和用户体验,正在成为Terraform生态系统中不可或缺的工具。v0.78.0的发布标志着项目进入了一个新的发展阶段,值得基础设施团队密切关注。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112