Cyphernetes v0.17.0发布:Kubernetes图查询语言迎来重大升级
Cyphernetes是一个创新的开源项目,它将图数据库的查询能力引入到Kubernetes资源管理中。通过类似Cypher的查询语法,运维人员可以直观地查询和操作Kubernetes集群中的各种资源及其关系。最新发布的v0.17.0版本带来了多项重要改进,特别是新增了时间表达式和子模式匹配功能,大大增强了查询的灵活性。
文档系统全面升级
v0.17.0版本最显著的变化之一是全新的文档网站。相比之前的简单文档,新网站提供了完整的语言参考和丰富的示例页面,使得开发者能够更轻松地学习和使用Cyphernetes。文档系统由项目核心维护者精心打造,涵盖了从基础查询到高级用法的全面指导。
强大的时间表达式功能
新版本引入了时间表达式支持,允许用户基于资源的创建时间或其他时间戳属性进行查询和操作。这一特性特别适合执行基于时间的自动化运维任务。例如,我们可以轻松找到并删除创建超过7天的Pod:
MATCH (p:Pod)
WHERE p.metadata.creationTimestamp < datetime() - duration("P7D")
DELETE p
这个查询中,datetime()函数获取当前时间,duration("P7D")表示7天的时间间隔,整个表达式筛选出创建时间早于7天前的所有Pod并删除它们。这种时间计算能力为自动化清理旧资源、执行定时任务等场景提供了极大便利。
子模式匹配增强资源发现
另一个重大改进是子模式匹配功能,它允许查询中嵌入额外的图模式作为条件。这在发现未被使用的资源时特别有用。例如,查找集群中未被任何Pod引用的ConfigMap:
MATCH (cm:ConfigMap)
WHERE NOT (cm)->(:Pod)
RETURN cm.metadata.name
这里的WHERE NOT (cm)->(:Pod)子模式表示"不存在从ConfigMap到Pod的关系",即找出所有没有被Pod使用的ConfigMap。这种表达能力使得资源使用情况分析变得异常简单。
用户体验优化
除了核心功能增强外,v0.17.0还包含多项用户体验改进:
-
Dry-run模式切换:现在可以在Shell中通过
\dr命令或在Web客户端中直接切换dry-run模式,方便测试查询而不实际执行变更。 -
命名空间选择器:Web客户端新增了命名空间选择功能,使得在多命名空间环境中工作更加便捷。
-
资源统计增强:支持对容器CPU和内存资源使用量进行求和计算,便于资源使用分析。
稳定性提升
本次发布修复了多个关键问题,包括:
- 修复了resultMap访问时的竞态条件问题
- 支持SET子句中的转义JSONPath
- 修复了Web客户端行首自动补全可能导致的崩溃问题
这些修复显著提高了工具的稳定性和可靠性。
总结
Cyphernetes v0.17.0通过引入时间表达式和子模式匹配,将Kubernetes资源查询能力提升到了新高度。配合全新的文档系统和多项用户体验改进,这个版本为Kubernetes运维人员提供了更强大、更直观的管理工具。随着社区不断壮大,Cyphernetes正在成为Kubernetes生态中不可或缺的运维利器。
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-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