Terraform Provider for Google v6.27.0 版本发布:新增多项云资源支持与功能增强
Terraform Provider for Google 是 HashiCorp 官方维护的 Terraform 插件,用于通过基础设施即代码的方式管理 Google Cloud Platform (GCP) 上的各类资源。最新发布的 v6.27.0 版本带来了多项重要更新,包括新增数据源和资源类型,以及对现有功能的改进和错误修复。
新增功能亮点
本次更新引入了多个全新的数据源和资源类型,进一步扩展了 Terraform 对 GCP 服务的覆盖范围:
-
计算引擎增强:新增了
google_compute_images数据源,方便用户查询 GCP 中的可用镜像资源。同时新增了google_compute_router_route_policy资源,为网络路由提供更精细的控制策略。 -
存储服务扩展:新增的
google_storage_control_project_intelligence_config资源允许用户配置存储项目的智能分析功能,帮助优化存储使用。 -
安全与合规:
google_chronicle_data_access_label资源的加入为安全日志分析提供了更好的数据访问控制能力。 -
高性能计算:新增的
google_lustre_instance资源支持在 GCP 上部署 Lustre 并行文件系统,满足高性能计算场景的需求。 -
操作系统管理:
google_os_config_v2_policy_orchestrator资源提供了操作系统配置策略的集中管理能力。
现有功能改进
除了新增功能外,v6.27.0 版本还对多个现有资源进行了功能增强:
-
BigQuery 增强:在
google_bigquery_reservation资源中新增了secondary_location和replication_status字段,支持托管式灾难恢复功能,提高了数据服务的可靠性。 -
容器服务优化:
google_container_cluster新增了ip_endpoints_config和pod_autoscaling配置选项google_container_node_pool增加了对 Windows 节点配置的支持
-
内存存储服务:
google_memorystore_instance资源现在支持维护策略配置,并允许更新节点类型,提高了服务的灵活性。 -
网络安全性增强:多个网络安全资源新增了位置关联和部署组配置选项,使安全策略的实施更加精确。
-
计算资源扩展:
google_compute_image增加了屏蔽实例初始状态配置google_compute_instance新增了架构和客户机操作系统特性支持- 互联连接类型新增了 400G LR4 以太网支持
重要错误修复
本次更新还解决了多个影响用户体验的问题:
-
Cloud Run 服务修复:解决了
google_cloud_run_service和google_cloud_run_v2_service资源中环境变量配置的持久差异问题。 -
计算实例模板修复:修正了区域磁盘在
google_compute_instance_template中的使用问题。 -
存储服务调整:放宽了
google_storage_bucket中自定义放置配置的位置数量限制,从最少2个调整为1个,并移除了最大数量限制。 -
数据分析作业修复:解决了
google_dataflow_job资源中模板路径的持久差异问题。 -
分析中心订阅修复:修正了
google_bigquery_analytics_hub_listing_subscription在不同项目间使用时的问题。
总结
Terraform Provider for Google v6.27.0 版本通过新增多项资源和数据源,以及对现有功能的增强和错误修复,进一步提升了在 GCP 上实施基础设施即代码的能力和体验。这些更新特别关注了高性能计算、网络安全、存储优化和容器服务等关键领域,为用户提供了更全面、更灵活的云资源管理工具集。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00