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。
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