cert-manager项目增加对Kubernetes 1.30的测试支持
cert-manager作为Kubernetes生态中广受欢迎的证书管理工具,其与Kubernetes版本的兼容性一直是开发团队关注的重点。近期,cert-manager项目完成了对Kubernetes 1.30版本的测试支持工作,这标志着项目在保持与最新Kubernetes版本兼容性方面又迈出了重要一步。
背景与挑战
cert-manager项目采用kind(Kubernetes in Docker)作为测试基础设施,定期在多个Kubernetes版本上运行测试套件。在Kubernetes 1.30发布后,项目团队面临的主要挑战是kind尚未提供官方支持的1.30版本镜像,这成为了测试工作的主要障碍。
解决方案
项目团队采取了多管齐下的策略来解决这一问题:
-
基础镜像更新:首先更新了makefile-modules中的kind版本,确保构建系统能够支持最新的kind特性。
-
测试框架调整:对cert-manager的测试配置进行了调整,添加了新的镜像SHA校验值,并修改了测试设置以支持v1.30版本。
-
版本兼容性扩展:不仅增加了对1.30的支持,还同步扩展了对1.28和1.29版本的测试支持,确保各版本间的兼容性连续性。
-
测试基础设施优化:清理并优化了kind镜像构建流程,为不同cert-manager版本配置了对应的Kubernetes测试版本矩阵。
技术实现细节
在具体实现上,团队通过一系列Pull Request完成了这项工作:
- 更新了构建系统中的kind模块版本
- 添加了1.30版本的kind镜像SHA校验
- 调整了测试环境配置以适配新版本
- 为1.12和1.13版本的cert-manager分别配置了对应的Kubernetes测试版本
- 建立了定期在新版本Kubernetes上运行端到端测试的机制
意义与影响
这项工作的完成意味着:
-
更好的兼容性保证:cert-manager用户现在可以更有信心地在Kubernetes 1.30环境中部署和使用cert-manager。
-
更全面的测试覆盖:项目现在能够更全面地覆盖从1.28到1.30的Kubernetes版本测试,提高了整体质量。
-
更快的版本适配:建立了更高效的测试基础设施,未来对新Kubernetes版本的适配将更加迅速。
未来展望
随着Kubernetes版本的持续更新,cert-manager项目将继续保持对新版本的快速适配能力。项目团队计划进一步完善测试基础设施,可能包括:
- 自动化新Kubernetes版本检测和测试配置
- 扩展测试矩阵覆盖更多版本组合
- 优化测试执行效率,缩短反馈周期
这项工作的完成为cert-manager在云原生生态系统中的长期健康发展奠定了坚实基础,也展现了项目团队对产品质量和用户体验的持续承诺。
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