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。
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