Kubermatic v2.27.3版本发布:Kubernetes版本支持与KubeVirt增强
Kubermatic是一个开源的Kubernetes管理平台,它提供了多云和混合云环境下Kubernetes集群的全生命周期管理能力。作为一个企业级的Kubernetes即服务(KaaS)解决方案,Kubermatic简化了大规模Kubernetes集群的部署、运维和管理工作。
新增Kubernetes版本支持
在v2.27.3版本中,Kubermatic扩展了对Kubernetes的支持范围,新增了1.32.3、1.31.7和1.30.11三个Kubernetes版本。这一更新使得用户能够选择更多稳定可靠的Kubernetes版本进行部署,同时也为那些需要特定版本Kubernetes的企业提供了更多选择。
KubeVirt CPU分配增强
本版本引入了一个重要的新特性——KubeVirt虚拟机的CPU分配方式配置。通过新增的enableDedicatedCpus字段,管理员现在可以更灵活地控制KubeVirt虚拟机的CPU资源分配策略:
- 当设置为false时(默认值),系统会使用传统的
spec.template.spec.domain.resources方式配置CPU资源,这种方式通过requests和limits来定义CPU资源 - 当设置为true时,系统会使用
spec.template.spec.domain.cpu方式配置CPU资源,这种方式支持KubeVirt的CPU分配比例特性
这一改进特别适合需要精细控制CPU资源分配比例的场景,为KubeVirt用户提供了更高级的资源管理能力。
镜像同步优化
镜像同步工具mirror-images在本版本中得到了显著改进。新版本实现了非阻塞处理模式,能够并行处理所有镜像,显著提高了同步效率。同时,工具现在会在最后统一报告所有失败的镜像同步操作,而不是在遇到第一个错误时就停止,这大大提升了问题诊断的便利性。
稳定性与安全性增强
在稳定性方面,v2.27.3版本对多个组件进行了更新和优化:
- 将etcd升级到了3.5.17版本,这一更新适用于所有支持的Kubernetes版本,提升了存储层的稳定性和性能
- 更新了Machine Controller到v1.61.1版本,包含了多项机器管理方面的改进
- 升级Operating System Manager到1.6.4版本,增强了操作系统管理能力
- 将默认的Nginx Ingress Controller应用更新到了经过安全修补的v1.12.1版本,提升了入口流量的安全性
节点本地DNS优化
在用户集群中,node-local-dns组件现在默认使用IfNotPresent镜像拉取策略,而不是之前的Always策略。这一改变减少了不必要的镜像拉取操作,降低了网络负载,同时也提高了Pod启动速度,特别是在镜像已经存在的情况下。
总结
Kubermatic v2.27.3版本虽然在版本号上是一个小版本更新,但包含了多项重要的功能增强和稳定性改进。特别是对KubeVirt CPU分配方式的扩展支持,为虚拟化工作负载提供了更精细的资源控制能力。同时,通过组件更新和默认配置优化,进一步提升了平台的稳定性和安全性。对于现有用户来说,这是一个值得升级的版本,特别是那些使用KubeVirt或需要最新Kubernetes版本支持的用户。
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