Elastic Cloud on Kubernetes 中 Logstash 9.0 的 TLS 配置变更解析
在 Elastic Cloud on Kubernetes 项目中,随着 Logstash 9.0.0 版本的发布,一些 TLS 相关的配置选项已被标记为废弃并移除。这一变更影响了项目中与 Logstash 相关的端到端测试。
Logstash 9.0.0 对安全传输层协议(TLS)的配置方式进行了简化,移除了旧版中部分冗余的配置参数。具体来说,ssl_enabled 和 ssl_certificate_authorities 这两个选项在新版本中不再被支持。这些变更反映了 Elastic 产品线在安全配置方面向更简洁、更现代化的方向演进。
在 Elastic Cloud on Kubernetes 的测试配置中,原有的 Logstash 管道配置包含了这些已被废弃的选项。当测试环境升级到 Logstash 9.0.0-SNAPSHOT 版本时,这些配置会导致测试失败。测试配置中使用了 exec 输入插件定期执行系统命令,并通过 Elasticsearch 输出插件将结果发送到生产环境的 Elasticsearch 集群。
为了解决这个问题,项目维护者对测试配置进行了更新,移除了这些废弃的 TLS 选项。这一调整确保了测试能够在 Logstash 9.0.0 及更高版本中正常运行,同时也使配置更加符合当前的最佳实践。
对于使用 Elastic Cloud on Kubernetes 部署 Logstash 的用户来说,这一变更意味着在升级到 Logstash 9.0 时,需要检查并更新所有相关的 TLS 配置。虽然这带来了短暂的适配工作,但从长远来看,简化的配置方式降低了维护复杂度,提高了系统的可靠性。
这一变更也体现了 Elastic 生态系统中各组件持续演进的特点,开发者需要关注版本间的兼容性变化,特别是在安全相关的配置方面。通过及时更新测试用例和部署配置,可以确保系统平滑过渡到新版本,同时保持高标准的安全性。
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-1.5暂无简介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
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
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