Terragrunt依赖输入参数废弃警告问题解析
2025-05-27 19:26:31作者:苗圣禹Peter
问题背景
在使用Terragrunt进行基础设施管理时,部分用户遇到了一个关于skip-dependencies-inputs选项的警告信息,即使他们并未在配置中显式使用该选项。这个警告信息出现在Terragrunt 0.73.0版本中,提示该选项已被弃用并将在未来版本中移除。
问题现象
当用户配置了简单的依赖关系时,例如在一个模块中声明了对另一个模块的依赖:
dependency "dep" {
config_path = find_in_parent_folders("dep")
}
即使没有使用任何依赖输入参数或skip-dependencies-inputs选项,系统仍然会输出以下警告信息:
WARN [../dep] The `skip-dependencies-inputs` option is deprecated and will be removed in a future version of Terragrunt. Reading inputs from dependencies has been deprecated. To continue using inputs from dependencies, forward them as outputs.
技术分析
这个问题源于Terragrunt对依赖输入参数处理的内部机制。在早期版本中,Terragrunt允许通过dependency.xxx.inputs语法访问依赖模块的输入参数,但这种设计存在两个主要问题:
-
性能影响:这种访问方式会导致Terragrunt需要递归解析整个依赖链,显著降低了执行效率。
-
设计不合理:从设计角度看,模块的输入参数应该是其内部实现细节,不应该直接暴露给其他模块使用。
解决方案
Terragrunt团队建议采用以下最佳实践:
-
使用输出参数替代输入参数:任何需要跨模块共享的数据都应该通过模块的输出参数暴露,而不是直接访问输入参数。
-
修改依赖引用方式:将原有的
dependency.xxx.inputs引用方式改为dependency.xxx.outputs。
例如,原有代码:
inputs = {
storage_account_name = dependency.assets.inputs.storage_account_name
}
应修改为:
inputs = {
storage_account_name = dependency.assets.outputs.storage_account_name
}
- 确保依赖模块暴露必要输出:在依赖模块中,需要显式定义输出参数来暴露那些需要被其他模块使用的值。
未来版本变化
在即将发布的Terragrunt版本中:
skip-dependencies-inputs选项将被完全移除- 通过
dependency.xxx.inputs访问依赖输入参数的功能将被禁用 - 文档将更新以反映这些变化,并删除所有关于依赖输入参数的示例
注意事项
- 当前版本中的警告信息是一个bug,会在后续版本中修复
- 即使没有显式使用依赖输入参数,也可能触发这个警告
- 建议用户提前修改配置以适应未来的变化
总结
这个问题反映了Terragrunt在改进其依赖管理机制过程中的一个过渡阶段。虽然当前的警告信息可能令人困惑,但理解其背后的设计意图有助于编写更健壮、更高效的Terragrunt配置。建议用户尽快按照新的最佳实践调整自己的配置,以确保在未来版本升级时的兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217