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。
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