Kubespray v2.27.0 版本发布与技术解析
Kubernetes集群部署工具Kubespray近日发布了v2.27.0版本,该版本带来了多项重要更新和功能改进。作为Kubernetes社区广泛使用的部署方案,Kubespray的这次更新在容器运行时、Kubernetes支持、网络插件等多个关键领域都有显著提升。
核心组件升级
本次版本更新中,多个基础组件获得了版本提升:
-
容器运行时:Containerd升级至1.7.24版本,Runc同步更新至v1.2.3。这两个组件的升级为容器运行环境带来了更好的稳定性和安全性。
-
Kubernetes支持:默认Kubernetes版本提升至v1.31.4,同时支持1.30.8和1.29.12等多个版本。值得注意的是,v1.28.x系列已不再支持,最低版本要求提升至1.29.x。
-
Helm工具:Helm版本升级至v3.16.4,为Kubernetes应用包管理提供了最新功能支持。
重要变更与注意事项
v2.27.0版本包含多个需要管理员特别注意的变更点:
-
kubeadm补丁格式变更:现在需要使用内联补丁数组而非补丁文件,这一变化简化了配置管理。
-
认证令牌生成:移除了为集群中每个节点生成静态令牌的功能,提高了安全性。
-
kubelet配置简化:废弃了节点特定的kubelet配置参数,统一使用全局配置。
-
集群组定义:k8s_cluster组现在自动定义,无需在inventory中手动配置。
-
预检错误处理:引入了kubeadm_ignore_preflight_errors参数,允许管理员指定要忽略的预检检查项。
新功能与改进
-
CRI-O运行时增强:
- 默认运行时从runc改为crun
- 增加了运行时选择灵活性
- 支持配置CRI-O根目录
-
网络功能扩展:
- Calico支持节点级BGP对等体配置
- Cilium增加了BGP控制平面、IP负载均衡池等高级功能
- Multus支持网络隔离配置
-
云提供商集成:
- 新增Oracle云基础设施控制器支持
- OpenStack云控制器升级至v1.31.1
- 移除了对内置云提供商的支持
-
系统管理优化:
- 支持使用ntpsec进行时间同步
- 增加了资源配额准入控制器配置
- 节点本地DNS支持额外配置
兼容性与系统支持
-
操作系统支持:
- 新增对Fedora 39/40的支持
- 移除了对Fedora 37/38的支持
- 增加了对openEuler 24.03的CI测试
-
架构调整:
- 清理了过时的术语,将"master"替换为"control plane"
- 优化了CA证书哈希计算方式
- 改进了大集群的扩展性能
问题修复与稳定性提升
-
集群操作可靠性:
- 修复了使用--limit参数时的缓存数据检查问题
- 解决了HA etcd集群在升级期间保持仲裁的问题
- 修正了kubeadm镜像下载问题
-
组件特定修复:
- 修复了Calico双栈安装问题
- 解决了Cilium代理权限问题
- 修正了VSphere CSI/CPI驱动程序的镜像仓库问题
-
配置处理改进:
- 修复了准入插件配置使用问题
- 改进了DNS配置的格式化输出
- 修正了网络管理器在重置操作中的行为
总结
Kubespray v2.27.0是一个功能丰富且稳定的版本,为Kubernetes集群部署和管理带来了多项改进。管理员在升级时需要注意几个重大变更点,特别是kubeadm配置格式和认证机制的调整。新版本在安全性、兼容性和功能扩展方面都有显著提升,是生产环境部署的可靠选择。
对于计划升级的用户,建议仔细阅读完整的变更日志,并在测试环境中验证配置变更,确保平滑过渡到新版本。
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