Linkerd2 25.4.4版本发布:服务网格策略增强与性能优化
Linkerd作为一款轻量级的服务网格解决方案,以其简单易用和低资源消耗的特性在云原生领域广受好评。最新发布的Linkerd2 25.4.4版本(edge版本)带来了一系列重要的功能增强和问题修复,特别是针对服务网格策略控制方面的改进尤为突出。
核心功能改进
服务端口协议策略的精细化控制
本次更新对服务端口上的appProtocol属性处理进行了重要优化。当服务端口配置了appProtocol: linkerd.io/opaque时,系统现在会严格限制只能在该端口上附加TCPRoute策略路由规则。这一改变确保了不透明端口的流量只能按照TCP协议的基本规则进行路由,避免了协议不匹配导致的问题。
更值得注意的是,对于任何未知的appProtocol值,系统现在会统一将其视为linkerd.io/opaque处理。这种保守的默认策略能够有效防止因协议配置错误而导致的潜在问题,提高了系统的健壮性。
HTTP/2协议端口的灵活路由支持
对于配置了kubernetes.io/h2c(HTTP/2明文协议)的端口,新版本提供了更灵活的路由规则支持。现在,这类端口可以同时附加GRPCRoute和HTTPRoute两种策略路由规则,其中GRPCRoute规则会优先应用。这种设计既满足了gRPC服务的特殊需求,又保持了与传统HTTP服务的兼容性。
性能与稳定性优化
在指标收集方面,新版本修复了LINKERD2_PROXY_OUTBOUND_METRICS_HOSTNAME_LABELS环境变量在TLS连接场景下的处理问题。现在,当配置了特定的主机名标签时,这些标签能够正确地应用于TLS连接的指标收集,为基于主机名的流量监控和分析提供了更准确的数据支持。
版本发布状态
Linkerd2 25.4.4版本作为edge版本发布,标志着Linkerd 2.18功能集的最终完成。开发团队已经将version-2.18标签指向了这个版本,表明2.18版本系列的功能开发已经全部就绪,为后续的稳定版发布奠定了基础。
技术实现细节
从技术实现角度看,这些改进主要涉及Linkerd控制平面和数据平面的协同工作:
-
策略控制器现在能够更精确地解析和处理服务端口的appProtocol注解,根据协议类型智能地应用相应的路由规则。
-
代理组件(v2.294.0)增强了指标收集逻辑,确保TLS连接的主机名标签能够正确传递和记录。
-
路由规则的优先级处理机制得到了优化,特别是对于同时支持多种协议类型的端口场景。
升级建议
对于正在使用Linkerd服务网格的用户,特别是那些需要精细控制不同协议类型流量路由的场景,建议评估升级到这个版本。新版本对协议处理的明确规则能够帮助避免潜在的路由冲突和协议不匹配问题。
需要注意的是,由于这是edge版本,生产环境部署前仍建议在测试环境中充分验证。对于已经使用自定义appProtocol配置的用户,应当特别注意新版本对未知协议值的处理方式变化可能带来的影响。
总体而言,Linkerd2 25.4.4版本在服务网格的策略控制方面迈出了重要一步,为复杂微服务环境下的流量管理提供了更强大、更灵活的工具集。
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-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
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