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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00