Google Cloud Secret Manager 中 protobuf 5.28+ 版本导致 Duration 转换失败的解决方案
在使用 Google Cloud Secret Manager 时,开发者可能会遇到一个与 protobuf 版本相关的兼容性问题。本文将深入分析该问题的成因、影响范围以及解决方案,帮助开发者更好地理解和应对这一技术挑战。
问题现象
当开发者尝试使用最新版本的 protobuf(5.28.0 及以上)与 Google Cloud Secret Manager 客户端库(2.21.1 版本)时,在创建带有 TTL(Time To Live)设置的密钥时会出现错误。具体表现为当尝试以字符串格式(如"300s")指定 TTL 时,系统会抛出以下异常:
AttributeError: Fail to convert to Duration. Expected a timedelta like object got str: 'str' object has no attribute 'seconds'
问题根源
这个问题源于 protobuf 5.28.0 版本中对 Duration 类型处理的变更。在之前的版本中,protobuf 能够自动将特定格式的字符串(如"300s")转换为 Duration 对象,但在新版本中,这一转换逻辑变得更加严格,要求直接传入 timedelta 类型的对象。
影响范围
该问题影响以下组合:
- google-cloud-secret-manager 2.21.1 版本
- protobuf 5.28.0 及以上版本
值得注意的是,这个问题不仅限于 Secret Manager 服务,其他 Google Cloud 服务如 Cloud Tasks 也报告了类似的问题,表明这是一个跨多个服务的 protobuf 兼容性问题。
临时解决方案
对于需要立即解决问题的开发者,目前有以下两种可行的临时解决方案:
-
降级 protobuf 版本: 将 protobuf 降级到 5.27.x 版本可以解决此问题。例如:
pip install protobuf==5.27.3 -
使用 timedelta 对象替代字符串: 修改代码,直接使用 Python 的 timedelta 对象而不是字符串来表示持续时间:
from datetime import timedelta ttl = timedelta(seconds=300)
长期解决方案
Google 开发团队已经意识到这个问题,并在 proto-plus-python 项目中提交了修复(PR #519)。这个修复将确保 Duration 类型的字符串表示能够被正确解析,恢复之前版本的行为。
最佳实践建议
为了避免类似问题,建议开发者在项目中:
- 明确指定依赖版本,特别是 protobuf 这样的基础库
- 在升级关键依赖前,先在测试环境中验证兼容性
- 考虑使用虚拟环境来隔离不同项目的依赖
- 关注官方发布的更新和已知问题公告
总结
protobuf 5.28.0 版本的变更导致 Google Cloud Secret Manager 客户端在处理 Duration 类型时出现兼容性问题。虽然可以通过降级或修改代码来临时解决,但长期来看,等待官方修复并更新到包含修复的版本是最佳选择。开发者应当保持对依赖库版本变化的敏感性,建立完善的测试流程来预防类似问题的发生。
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