RKE2 v1.29.13版本发布:Kubernetes发行版的重要更新
RKE2(Rancher Kubernetes Engine 2)是Rancher团队开发的一个经过CNCF认证的Kubernetes发行版,专为生产环境设计,具有轻量级、安全性和易用性等特点。它结合了Kubernetes的强大功能和Rancher的简化管理体验,特别适合需要企业级Kubernetes解决方案的用户。
核心组件升级
本次发布的v1.29.13+rke2r1版本将Kubernetes核心升级到了v1.29.13,这是Kubernetes 1.29系列的最新稳定版本。作为Kubernetes发行版,RKE2始终紧跟上游社区的稳定版本,确保用户能够获得最新的功能和安全修复。
在容器运行时方面,该版本包含了Containerd v1.7.23-k3s2和Runc v1.2.4的组合。这两个组件是容器生态系统的核心,它们的稳定性和安全性直接关系到整个Kubernetes集群的运行质量。值得注意的是,这个版本的Containerd是经过RKE2团队特别定制的版本,针对Kubernetes环境进行了优化。
网络插件增强
网络是Kubernetes集群的关键组件,RKE2提供了多种CNI(容器网络接口)插件选项:
- Canal(默认选项):结合了Flannel v0.26.3的简单性和Calico v3.29.1的策略能力,并且是FIPS兼容的
- 纯Calico:版本v3.29.1,适合需要高级网络策略的用户
- Cilium:升级到v1.16.5,为需要eBPF高性能网络的用户提供了选择
- Multus:v4.1.4版本,支持多网络接口的复杂场景
特别值得一提的是,本次更新中对Calico和Canal插件进行了优化,改进了IPv6环境下的IP自动检测功能,这对于纯IPv6部署场景的用户来说是一个重要改进。
存储与云提供商集成
在存储方面,该版本包含了多个重要更新:
- Harvester CSI Driver升级到v0.1.22
- Harvester Cloud Provider升级到v0.2.9
- vSphere CSI驱动保持v3.3.1-rancher700版本
- vSphere CPI升级到v1.9.100
这些更新显著提升了在各类云环境和本地虚拟化平台上的存储管理能力,特别是对于使用Harvester或vSphere作为底层基础设施的用户。
安全与运维改进
安全始终是RKE2的重点关注领域。本次发布中,Ingress-Nginx组件升级到了v1.12.0-hardened2版本,这是一个经过强化安全配置的特别版本。Metrics Server也更新到了v0.7.2,提供了更完善的集群监控指标。
运维方面新增了一个重要功能:运行时类(Runtime Classes)的钩子和运行时图表。这使得用户能够更灵活地配置和管理不同的容器运行时,对于需要混合使用不同运行时的场景特别有用。
重要注意事项
对于集群管理员来说,需要特别注意令牌管理:如果服务器节点启动时没有显式指定令牌,RKE2会在初始集群启动时生成一个随机令牌。这个令牌不仅用于新节点加入集群,还用于加密存储在数据存储中的集群引导数据。管理员应妥善保管这个令牌,特别是在进行集群恢复操作时会需要它。
可以通过以下命令从已加入集群的任何服务器节点上检索令牌值:
cat /var/lib/rancher/rke2/server/token
总结
RKE2 v1.29.13+rke2r1版本在Kubernetes核心、网络组件、存储集成和安全性方面都带来了重要更新。作为一款面向生产环境的Kubernetes发行版,RKE2通过持续的组件更新和优化,为用户提供了更稳定、更安全的容器编排平台。无论是新功能的引入还是现有组件的增强,都体现了RKE2团队对产品质量和用户体验的重视。
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