Kubespray v2.25.1 版本发布与技术解析
Kubespray 作为 Kubernetes 集群部署的重要工具,其最新版本 v2.25.1 带来了一系列值得关注的更新和改进。本文将深入解析这个版本的关键变化,帮助用户更好地理解和使用这个工具。
核心组件版本升级
本次版本最显著的变化是默认 Kubernetes 版本升级至 v1.29.10。Kubespray 团队持续跟踪上游 Kubernetes 的稳定版本,确保用户能够获得最新的安全补丁和功能增强。同时,版本还添加了对 Kubernetes v1.29.6、v1.29.7 和 v1.29.9 的哈希校验支持,为用户提供了更多版本选择。
在容器运行时方面,v2.25.1 将 containerd 默认版本更新至 v1.7.22,同时升级了相关工具链:
- nerdctl 升级至 1.7.7
- runc 升级至 v1.1.14
这些更新带来了性能优化和安全增强,特别是 runc 的更新修复了多个容器运行时相关的安全问题。
网络组件改进
Calico 网络插件升级至 v3.27.4 版本,解决了之前版本中由于 XDP 程序在 iptables 中导致的高 CPU 负载问题。这一改进对于大规模集群尤为重要,能够显著降低节点的资源消耗。
Ingress-Nginx 控制器升级至 1.11.2 版本,增强了入口流量的管理能力。值得注意的是,当启用 ingress_nginx_webhook_enabled 选项时,系统现在会自动创建 Ingress-Nginx 控制器的 admission 服务,简化了配置流程。
系统兼容性调整
随着技术演进,v2.25.1 版本对操作系统支持做了以下调整:
- 正式弃用 CentOS 7 和 Weave 网络插件的支持
- 移除了对 Debian 10 的支持
这些变化反映了社区对现代操作系统和网络方案的倾向,建议用户考虑迁移到更新的平台。
新增功能与优化
本版本引入了一些实用的新特性:
- 现在支持仅部署控制平面(kube_node 组可为空),为特殊场景下的集群部署提供了灵活性
- 用户可以通过 addons.yaml 中的属性固定 ingress-nginx 服务的 nodePort
- 改进了 CentOS 7 的 yum 仓库配置检查逻辑
问题修复
v2.25.1 修复了多个重要问题:
- 修复了 remove_node.yml 无法停止和删除所有 CRI 容器的问题
- 确保安全凭证配置脚本总是被复制到第一个 etcd 节点,以修复现有集群的问题
- 优化了 CentOS 7 的 yum 仓库基础 URL
使用建议
对于计划升级的用户,建议:
- 评估被弃用组件(如 CentOS 7)的迁移计划
- 测试新版本在预生产环境的表现
- 关注组件版本变化可能带来的行为差异
Kubespray v2.25.1 通过组件更新和问题修复,进一步提升了 Kubernetes 集群部署的稳定性和安全性,是生产环境部署的可靠选择。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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