Ceph-CSI v3.13.1版本发布:增强RBD功能与部署改进
Ceph-CSI是Ceph存储系统与Kubernetes容器编排平台之间的重要桥梁,它实现了CSI(Container Storage Interface)标准接口,为Kubernetes集群提供持久化存储能力。通过Ceph-CSI,用户可以方便地在Kubernetes中使用Ceph的RBD(RADOS Block Device)和CephFS两种存储类型。
核心功能改进
RBD卷组快照功能增强
本次v3.13.1版本对RBD卷组快照功能进行了多项重要改进。首先,增加了快照管理功能,完善了快照生命周期管理能力。其次,实现了卷组快照的扁平化处理,这可以优化存储空间使用效率,特别是在快照链较长的情况下。
在错误处理方面,当查询或管理不存在的卷组时,现在会正确返回"GroupNotFound"错误,而不是其他可能引起混淆的错误信息。同时,对卷组名称前缀进行了标准化重命名,从groupNamePrefix改为更明确的volumeGroupNamePrefix,提高了代码可读性。
加密存储改进
在加密存储支持方面,v3.13.1修复了一个重要问题:使用元数据KMS加密的PVC现在可以被正确管理。此外,还修正了默认加密类型的设置,确保加密功能在各种场景下都能正常工作。
存储卷复制检查增强
新版本在获取卷复制信息时增加了额外的检查机制,这有助于提前发现潜在问题,避免在复制过程中出现意外错误。同时,修复了在PVC到PVC克隆场景中rbdVol.Exists()方法的bug,提高了克隆操作的可靠性。
部署架构优化
卷组快照API升级
v3.13.1版本将卷组快照API从v1alpha1升级到了v1beta1,这标志着该功能更加成熟稳定。值得注意的是,外部快照控制器启用的标志也从enable-volume-group-snapshots变更为feature-gates=CSIVolumeGroupSnapshot=true,用户需要相应调整部署配置。
RBAC权限完善
在Helm chart中,为CephFS组件添加了之前缺失的节点相关RBAC权限,确保CephFS存储类在各种场景下都能正常工作。
构建与维护改进
构建系统方面,现在会重新安装ceph-release包以确保依赖正确。Fedora容器镜像的维护位置也进行了调整,迁移到了quay.io平台。这些改进虽然对终端用户透明,但提高了项目的可维护性和构建可靠性。
总结
Ceph-CSI v3.13.1虽然是一个小版本更新,但包含了多项重要改进,特别是在RBD卷组快照和加密存储方面的增强。这些改进使得Ceph在Kubernetes环境中的存储管理更加稳定可靠。对于已经使用或计划使用Ceph-CSI的用户,建议评估升级到该版本,特别是那些需要使用卷组快照功能的用户。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00