HashiCorp Terraform Azure Provider v4.23.0 版本解析
HashiCorp Terraform Azure Provider 是用于管理 Microsoft Azure 云资源的官方 Terraform 插件。它允许开发者通过基础设施即代码(IaC)的方式自动化部署和管理 Azure 云资源。最新发布的 v4.23.0 版本带来了一些值得关注的新特性和改进。
核心更新内容
新增资源支持
本次版本新增了对 azurerm_network_manager_ipam_pool 资源的支持。IPAM (IP Address Management) 池是 Azure 网络管理器中的一个重要组件,用于集中管理和分配 IP 地址空间。这一新增使得用户能够通过 Terraform 自动化管理 Azure 网络中的 IP 地址分配策略。
密钥保管库秘密管理增强
azurerm_key_vault_secret 资源现在支持 value_wo 写入参数。这是一个只写参数(write-only argument),意味着该参数的值不会被保存在 Terraform 状态文件中,从而增强了敏感信息的安全性。这种设计模式特别适合处理密码、密钥等敏感数据,避免了这些信息被意外暴露在状态文件中。
认知服务部署扩展
azurerm_cognitive_deployment 资源现在支持 DataZoneBatch SKU 类型。这扩展了 Azure 认知服务的部署选项,为用户提供了更多样化的计算资源配置选择,特别是在批处理场景下。
MongoDB 集群计算层扩展
Azure Database for MongoDB 的 azurerm_mongo_cluster 资源新增了对 M10、M20 和 M200 计算层的支持。这些新增的计算层为用户提供了更多样化的性能和成本选择,使得用户能够根据实际业务需求更精确地配置 MongoDB 集群资源。
重要问题修复
Linux 函数应用验证修复
修复了 azurerm_linux_function_app 资源中 site_config.application_stack.node_version 属性的验证问题,现在可以正确接受 Node.js 22 版本。这一修复确保了使用最新 Node.js 版本的用户能够顺利部署他们的函数应用。
PostgreSQL 灵活服务器密钥管理
修正了 azurerm_postgresql_flexible_server 资源中客户管理密钥的验证逻辑。现在明确禁止使用无版本密钥,避免了由此导致的模糊错误信息。这一改进使得密钥管理更加明确,减少了配置错误的风险。
Web PubSub Hub 身份验证
改进了 azurerm_web_pubsub_hub 资源中 auth.managed_identity_id 的验证逻辑,现在支持令牌受众(token audience)作为有效输入。这一变更增强了身份验证的灵活性,使得集成 Azure 托管身份更加方便。
底层技术栈更新
本次发布还包含了底层依赖项的更新:
- 将 Go 编程语言版本升级至 1.24.1,带来了性能改进和安全性增强
- 更新了
hashicorp/go-azure-sdk至 v0.20250310.1130319 版本,包含了最新的 Azure API 支持
总结
Terraform Azure Provider v4.23.0 版本在多个方面进行了增强和优化,特别是在敏感数据处理、数据库服务和网络管理方面。这些改进不仅增加了新功能,也提升了现有功能的稳定性和易用性。对于使用 Terraform 管理 Azure 基础设施的团队来说,升级到这个版本将能够利用这些新特性来构建更安全、更高效的云基础设施。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00