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。
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