Terraform AWS GitHub Runner 5.7.0版本发布:支持按Runner配置VPC和子网
Terraform AWS GitHub Runner是一个开源项目,它允许用户在AWS上部署和管理GitHub Actions的自托管运行器。该项目通过Terraform模块化部署,简化了运行器的生命周期管理、自动缩放以及与GitHub的集成。最新发布的5.7.0版本带来了一些重要的功能增强和错误修复。
主要新特性:按Runner配置VPC和子网
5.7.0版本最显著的改进是增加了为每个Runner单独配置VPC和子网的能力。这一功能对于需要将不同Runner部署到不同网络环境中的用户特别有用。例如:
- 可以将测试环境的Runner和生产环境的Runner隔离在不同的VPC中
- 可以根据安全要求将敏感任务的Runner部署到私有子网
- 可以为不同区域的团队配置就近的网络资源
这一改进使得网络架构更加灵活,能够满足企业级的安全和合规要求。实现方式是通过扩展Runner配置参数,允许为每个Runner组指定独立的VPC ID和子网ID列表。
错误修复与改进
本次发布还包含多个错误修复和依赖项更新:
-
Ubuntu Jammy镜像选择问题修复:解决了在某些情况下可能选择错误AMI镜像的问题,确保始终使用正确的Ubuntu 22.04(Jammy)镜像。
-
Windows用户数据支持改进:修复了Windows实例不支持gzip压缩用户数据的问题,确保Windows Runner能够正确解析启动配置。
-
依赖项安全更新:
- 升级了AWS Lambda Powertools Logger到1.18.0版本
- 更新了axios库到1.6.7版本,修复已知安全问题
- 更新了多个AWS SDK相关依赖
-
文档修正:修复了README文件中的拼写错误,提高了文档质量。
技术实现细节
在架构层面,5.7.0版本通过重构网络资源配置逻辑实现了按Runner配置VPC的功能。主要变更包括:
- 在Runner模块中新增了
vpc_id和subnet_ids参数 - 修改了启动模板生成逻辑,支持从Runner配置中获取网络参数
- 更新了安全组关联逻辑,确保网络配置变更后安全规则仍然有效
对于Windows用户数据的改进,项目团队识别到Windows实例与Linux实例在用户数据处理上的差异,移除了对gzip压缩的支持,改用原始格式传递用户数据,提高了兼容性。
升级建议
对于现有用户,升级到5.7.0版本时需要注意:
- 如果使用自定义AMI,请检查是否与新版本兼容
- Windows用户需要验证用户数据脚本是否正常工作
- 计划使用按Runner配置VPC功能的用户,建议先在测试环境验证配置
这个版本继续遵循语义化版本控制,5.7.0的版本号表明它是一个向后兼容的功能性更新,适合大多数用户升级。
Terraform AWS GitHub Runner项目持续改进其功能和稳定性,5.7.0版本的发布进一步巩固了它作为在AWS上管理GitHub Actions运行器的首选解决方案的地位。特别是新增的网络配置灵活性,使得它能够适应更复杂的企业部署场景。
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-1.5暂无简介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-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