Trow Registry v0.7.0 版本发布:全面支持OCI标准与存储优化
Trow是一个轻量级的容器镜像注册表,专为Kubernetes环境设计。它提供了简单高效的容器镜像存储和分发解决方案,特别适合在私有云或企业内部环境中使用。与传统的容器Registry相比,Trow更加轻量化,同时提供了更好的Kubernetes原生集成体验。
核心架构重构
本次v0.7.0版本对Trow的核心架构进行了重大重构,主要体现在以下几个方面:
-
存储后端分离:将存储后端从主逻辑中彻底解耦,使得未来可以更容易地支持不同的存储方案。这种模块化设计提高了系统的可维护性和可扩展性。
-
客户端接口与服务器合并:将原先分散的client_interface和trow_server组件合并为统一的"registry"模块,简化了系统架构,减少了组件间的通信开销。
OCI标准全面支持
v0.7.0版本的一个重要里程碑是全面支持OCI(Open Container Initiative)标准:
-
基础OCI一致性测试通过:Trow现在能够通过所有基础的OCI一致性测试,这意味着它能够与标准的OCI工具链无缝协作。
-
Referrers API支持:实现了OCI规范中的Referrers API,这使得Trow能够正确处理镜像间的引用关系。这一特性对于构建安全的供应链系统尤为重要,因为它允许追踪镜像的依赖关系和来源。
-
完全通过OCI一致性测试:在Referrers API实现后,Trow现在能够通过所有的OCI一致性测试,标志着它已经成为一个完全符合OCI标准的容器注册表。
存储优化与元数据管理
-
SQLite元数据存储:引入了SQLite作为元数据存储引擎,取代了原先的文件系统存储方式。这一改变带来了显著的性能提升,特别是在处理大量镜像标签和清单时。
-
代理模式优化:改进了对主流容器仓库等上游注册表的代理支持,现在能够更高效地获取blob数据,减少了不必要的网络传输。
Helm Chart改进
-
Webhook TLS证书管理:提供了更灵活的Webhook TLS证书管理选项,支持通过cert-manager自动生成证书或引用现有的Secret资源。
-
发布流程规范化:改进了Helm Chart的发布流程,停止创建虚假的发布和标签,转而使用OCI标准格式,使得Chart管理更加规范。
总结
Trow Registry v0.7.0版本标志着该项目在标准化和成熟度上的重要进步。通过全面支持OCI标准,Trow现在能够更好地融入云原生生态系统。架构重构为未来的功能扩展奠定了坚实基础,而存储优化则显著提升了系统性能。对于需要在Kubernetes环境中部署轻量级、符合标准的私有容器注册表的用户来说,这个版本提供了更加可靠和功能完备的解决方案。
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