Contour v1.31.0 版本发布:Kubernetes 网关代理的重要更新
Contour 是一个专为 Kubernetes 设计的 Layer 7 HTTP 反向代理,作为云原生应用的关键基础设施组件,它提供了强大的流量管理能力。最新发布的 v1.31.0 版本带来了多项功能增强和优化,进一步提升了其在生产环境中的稳定性和灵活性。
核心功能增强
全局外部认证的灵活控制
新版本改进了全局外部认证(Global External Authorization)的配置方式。现在管理员可以通过设置 globalExtAuth.authPolicy.disabled 为 true 来默认禁用全局认证,同时在虚拟主机(vhost)和路由(route)级别通过设置 authPolicy.disabled 为 false 来选择性启用认证。这种分层配置机制提供了更精细的访问控制能力,允许管理员根据实际需求灵活调整认证策略。
值得注意的是,在 HTTP 到 HTTPS 的重定向场景中,新版本移除了外部认证检查,避免了之前版本中可能出现的 401 未授权错误替代 301 重定向状态码的问题,使重定向行为更加符合预期。
过载管理机制强化
v1.31.0 引入了 Envoy 全局下游连接限制的过载管理功能。通过新的 overload-downstream-max-conn 启动参数,管理员可以设置 Envoy 实例的最大全局连接数限制。当连接数达到阈值时,过载管理器将停止接受新连接,确保系统稳定性。
同时,为了维持关键监控功能,新版本特别配置了管理监听器忽略全局连接限制,确保即使在高负载情况下,Envoy 的健康检查和统计信息接口仍然可用。此外还新增了健康检查配置选项,使管理员能够根据过载状态调整 Pod 的就绪性检查行为。
压缩算法多样化支持
HTTP 响应压缩功能现在支持多种算法配置。除了默认的 gzip 外,管理员可以选择 brotli、zstd 算法,或者完全禁用压缩功能。这一改进使得 Contour 能够更好地适应不同应用场景的性能需求,特别是对于需要高效传输大体积内容的 Web 应用。
兼容性与标准更新
Gateway API v1.2.1 支持
Contour v1.31.0 将 Gateway API 兼容性提升至 v1.2.1 版本。这一更新带来了多项 API 改进和错误修复,包括更完善的 HTTP 路由匹配条件和更稳定的 Gateway 状态管理机制。对于使用标准 Gateway API 定义流量的用户,新版本提供了更好的互操作性和功能支持。
重试策略条件扩展
HTTPProxy 资源的重试策略(retryPolicy)现在支持更多条件类型,包括 reset-before-request、envoy-ratelimited 和 http3-post-connect-failure。这些新增条件使应用开发者能够更精确地控制重试行为,特别是在处理不稳定网络连接或服务限流场景时。
重定向状态码扩展
HTTP 重定向策略现在支持 303、307 和 308 状态码,补充了原有的 301 和 302 支持。这一改进为应用提供了更完整的 HTTP 重定向语义支持,特别是对于需要区分临时重定向与永久重定向的场景。
性能与稳定性优化
内存泄漏修复
新版本修复了在 Contour follower 实例中由于未处理的负载均衡器状态更新导致的内存泄漏问题。这一修复显著提高了长时间运行的集群中 Contour 的稳定性,特别是在频繁更新服务端点的大型部署中。
端点处理优化
随着 Kubernetes 逐步弃用传统的 Endpoints API,Contour v1.31.0 完全移除了对 Endpoints API 的支持,全面转向 EndpointSlices API。这一变更简化了代码库并提高了端点发现的效率,特别是在大规模集群中处理大量服务端点时。
安全增强
新版本增加了对 SECP521R1 椭圆曲线的支持,允许在 Contour 和 Envoy 之间的 xDS gRPC 通信中使用 521 位 EC 证书。这一增强提供了更强的安全选项,满足对加密强度有特殊要求的部署场景。
升级注意事项
从旧版本升级到 v1.31.0 时,管理员需要注意以下变更:
-
传统的
contourxDS 服务器实现已被移除,现在统一使用基于 go-control-plane 的 xDS 服务器。相关的配置选项也已删除。 -
useEndpointSlices功能标志已被移除,Contour 现在强制使用 EndpointSlices API 进行端点发现。在升级前应确保 Kubernetes 集群正确配置了 EndpointSlice 支持。 -
新版本要求 Kubernetes 1.30 或更高版本,不再支持旧版 Kubernetes。
总结
Contour v1.31.0 通过多项功能增强和稳定性改进,进一步巩固了其作为 Kubernetes 入口控制器的领先地位。特别是全局认证的灵活配置、过载管理机制的强化以及各种性能优化,使其更适合大规模生产环境部署。对于正在评估或已经使用 Contour 的团队,这一版本值得考虑升级。
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