Terraform Provider for Google v6.36.0 版本深度解析
Google Cloud Terraform Provider 是 HashiCorp 与 Google 合作开发的官方 Terraform 插件,它允许开发者使用基础设施即代码(IaC)的方式自动化管理 Google Cloud 平台上的各种资源。最新发布的 v6.36.0 版本带来了一系列重要更新,包括新增资源支持、功能增强以及问题修复,这些改进将显著提升用户在 Google Cloud 上的基础设施管理体验。
新增资源支持
本次更新引入了多个全新的资源类型,进一步扩展了 Terraform 对 Google Cloud 服务的覆盖范围:
-
BigQuery 行级访问控制:新增的
google_bigquery_row_access_policy资源允许管理员在 BigQuery 表上定义细粒度的行级访问策略,实现基于条件的行数据过滤,这对于满足数据合规性要求特别有价值。 -
Dataplex 数据治理:
google_dataplex_glossary资源支持在 Dataplex 中创建和管理业务术语表,帮助企业构建统一的数据字典,提升数据资产的可发现性和可理解性。 -
Firebase 应用托管:新增了三个相关资源:
google_firebase_app_hosting_default_domain:管理 Firebase 托管的默认域名google_firebase_app_hosting_domain:配置自定义托管域名google_firebase_app_hosting_traffic:控制流量分配策略
-
网络安全拦截:引入了一套完整的网络安全拦截相关资源,包括部署、部署组、端点组及其关联资源,这些资源为构建零信任网络架构提供了基础设施支持。
-
数据源扩展:新增了
google_beyondcorp_security_gateway和google_lustre_instance数据源,方便查询现有安全网关和 Lustre 文件系统实例的信息。
功能增强与优化
v6.36.0 版本对现有功能进行了多项改进:
-
计算引擎增强:
- 在
google_compute_backend_service和google_compute_region_backend_service中增加了对 H2C (HTTP/2 Cleartext) 协议的支持 - 为
google_compute_instance添加了force_attach参数,解决磁盘强制挂载场景 - 改进了后端服务和全局转发规则的负载均衡方案迁移能力
- 在
-
容器服务改进:
- GKE 集群现在支持配置传输中加密(in-transit encryption)
- 允许对 Windows 节点配置和存储池进行原地更新,减少不必要的节点重建
-
Dialogflow CX 增强:
- 新增生成式回退功能,提升对话机器人的容错能力
- 支持应用构建器设置,扩展了代理的定制能力
-
NetApp 存储池:增加了自定义性能配置选项,包括总吞吐量和 IOPS 设置,为高性能存储需求提供更多控制。
-
超时调整:针对 BeyondCorp 应用网关和 VMware 私有云等资源延长了默认操作超时时间,适应大规模部署场景。
弃用与变更
-
BeyondCorp 应用资源:
google_beyondcorp_application资源已被标记为弃用,建议用户迁移到替代方案。 -
Firestore 数据库:
deletion_policy字段被标记为弃用,未来版本可能会移除。
问题修复
本次更新解决了多个已知问题:
-
网络资源就绪问题:为计算引擎网络资源添加了全局重试机制,处理"resourceNotReady for Networks"错误。
-
IAM OAuth 客户端凭证:将客户端密钥标记为敏感字段,防止在状态文件中明文存储。
-
项目数据源:修复了在多宇宙域(universe domain)环境下项目列表查询不正确的问题。
-
Dialogflow CX 自定义端点:修正了自定义端点处理逻辑,确保正确连接到指定端点。
总结
Google Cloud Terraform Provider v6.36.0 版本通过新增资源和增强现有功能,进一步提升了基础设施管理的灵活性和控制力。特别是对网络安全、数据治理和应用托管等领域的扩展,反映了 Google Cloud 在这些方向上的持续投入。对于已经使用或计划使用 Terraform 管理 Google Cloud 资源的团队,建议评估这些新功能如何能够优化现有的基础设施代码,并规划适当的升级路径。
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