External Secrets项目v0.17.0版本发布:全面转向v1 API的重大更新
External Secrets是一个Kubernetes原生的开源项目,它通过自定义资源定义(CRD)将外部密钥管理系统(如HashiCorp Vault、AWS Secrets Manager等)中的密钥安全地同步到Kubernetes Secrets中。该项目简化了密钥管理流程,使开发者能够在不直接处理敏感数据的情况下使用这些密钥。
版本核心变更
v0.17.0版本是External Secrets项目的一个重要里程碑,它正式停止了对v1beta1 API的支持,全面转向v1 API。这一变更意味着项目已经达到了更高的稳定性标准,API接口也趋于成熟。
升级注意事项
对于现有用户来说,升级到v0.17.0版本前必须完成以下关键步骤:
- 将所有现有的v1beta1资源定义升级为v1版本
- 确保所有自定义资源(CR)的apiVersion字段从
external-secrets.io/v1beta1更新为external-secrets.io/v1 - 确认集群中不再有任何使用v1beta1 API的资源
值得注意的是,v0.16.2版本已经支持v1 API,因此建议用户先在v0.16.2环境下完成API版本的迁移,然后再升级到v0.17.0,这样可以确保平滑过渡。
新功能与改进
1Password SDK集成
v0.17.0版本引入了基于官方SDK的1Password提供程序,这为使用1Password作为密钥管理后端的用户带来了更稳定、功能更完整的集成体验。新实现利用了1Password的Go SDK,相比之前的实现提供了更好的错误处理和更丰富的功能支持。
Vault客户端缓存优化
为了提高性能并减少资源消耗,新版本对Vault提供程序进行了优化,现在会为每个命名空间缓存单独的Vault客户端实例。这一改进特别适合多租户环境,可以避免不同命名空间间的客户端冲突,同时减少不必要的认证开销。
Infisical提供程序增强
Infisical提供程序现在支持路径中的密钥引用,用户可以更灵活地组织和管理他们的密钥。这一改进使得Infisical的data引用能够识别路径中的密钥,与Vault等提供程序的行为更加一致。
问题修复
- 修复了GitHub提供程序中的错误显示问题,现在能够正确显示来自GitHub的错误信息,便于故障排查
- 解决了GCP PushSecret在位置复制时的问题,确保密钥能够正确推送到指定的地理位置
- 改进了代码集成API,提高了稳定性和可用性
文档更新
- 添加了关于OpenBao与Vault提供程序兼容性的说明
- 更新了ECR令牌生成器的示例文档
- 将所有提供程序示例更新为使用v1 API版本
开发者体验改进
项目持续改进开发者体验,包括:
- 更新了多个开发依赖项
- 改进了发布流程,避免重复发布已存在的Helm图表
- 增强了代码集成API
总结
External Secrets v0.17.0是一个以稳定性为核心的版本,通过淘汰v1beta1 API标志着项目成熟度的提升。对于用户来说,这是一个需要谨慎处理的升级,但同时也带来了更稳定的API基础和多项功能改进。建议所有用户在升级前仔细阅读变更说明,并按照推荐步骤完成API版本的迁移工作。
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