Linkerd2 edge-25.1.2版本发布:多集群优化与CNI配置增强
Linkerd是一个轻量级的Kubernetes服务网格,它通过透明的代理机制为微服务提供流量管理、安全性和可观测性功能。作为云原生计算基金会(CNCF)毕业项目,Linkerd以其简单性和高性能著称。本次发布的edge-25.1.2版本带来了多项重要改进,特别是在多集群支持和CNI配置方面。
多集群链路探测规范变更
本次版本对Link资源中的probeSpec.period字段格式进行了重要调整。现在该字段必须遵循GEP-2257标准定义的持续时间字符串格式。这一变更意味着使用edge-25.1.1版本创建的Link资源将无法与新版本兼容。如果用户尝试编辑或重新部署这些Link资源,系统会返回验证错误,直到用户修正probeSpec.period字段的格式。
CNI插件更新策略可配置化
在Kubernetes网络配置方面,新版本增加了对CNI插件updateStrategy的配置支持。这一改进允许用户根据实际需求自定义CNI插件的更新策略,解决了之前版本中用户无法灵活控制CNI组件更新行为的问题。这一变更特别适合那些对网络组件更新有严格管控要求的生产环境。
多集群服务镜像优化
针对大规模多集群部署场景,新版本显著优化了服务镜像组件(service-mirror)的性能。改进后的实现减少了对Kubernetes API服务器的负载压力,特别是在集群中存在大量需要镜像的服务时。这一优化通过避免不必要的集群监视重启来实现,使得系统在Link状态更新时更加稳定高效。
可观测性改进
在追踪功能方面,新版本调整了OpenTelemetry的跟踪标签,使其符合最新的HTTP语义约定标准。这一变更使得Linkerd生成的追踪数据能够更好地与其他遵循OpenTelemetry标准的系统集成,提高了可观测性数据的一致性和互操作性。
命令行工具变更
linkerd viz stat命令移除了对authority参数的查询支持。这一变更简化了命令行接口,同时反映了Linkerd监控体系的最新发展方向。用户需要调整现有的监控脚本和查询方式以适应这一变化。
总结
Linkerd2 edge-25.1.2版本在多集群支持、网络配置和系统性能方面带来了多项重要改进。这些变更既包括必要的规范调整,也包含了对大规模部署场景的性能优化。对于生产环境用户,建议在测试环境中充分验证这些变更的影响,特别是涉及多集群链路和CNI配置的部分。
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