Envoy Gateway v1.4.1 版本发布:增强TLS验证与稳定性优化
项目简介
Envoy Gateway 是一个基于 Envoy 代理构建的云原生 API 网关解决方案,旨在为 Kubernetes 环境提供简单易用的网关功能。它通过自定义资源定义(CRD)的方式,让用户能够以声明式的方式配置和管理网关路由、流量策略等高级功能。
核心特性更新
上游TLS验证增强
v1.4.1 版本引入了对上游服务 TLS 验证中 Subject Alternative Names (SANs) 的支持。通过 BackendTLSPolicy.validation.subjectAltNames 配置项,管理员现在可以精确指定允许连接的上游服务证书中的 SANs 列表。这一改进显著增强了服务间通信的安全性,特别是在微服务架构中,能够有效防止中间人攻击。
基础设施资源所有权管理
当启用 Gateway Namespace 模式时,Envoy Gateway 现在能够为基础设施资源设置 ownerReference。这一改进确保了资源生命周期的正确管理,当父资源被删除时,相关的子资源也会被自动清理,避免了资源泄漏问题。
重要问题修复
TLS配置重叠问题
修复了合并多个 Gateway 资源时可能出现的 TLS 配置重叠问题。现在系统能够正确识别和处理这种情况,确保 TLS 配置的一致性。
速率限制功能优化
- 修复了当
clientSelector未指定时共享规则在速率限制转换器中的处理问题 - 解决了
BackendTrafficPolicy和路由目标速率限制策略合并时的逻辑缺陷 - 替换了全局速率限制 Grafana 仪表板中的静态 UID 为动态 UID,提高了监控系统的灵活性
监听器功能完善
修复了 UDP 监听器在 Envoy 代理 xDS 配置中未正确创建的问题,确保了 UDP 协议服务的正常访问。
WASM扩展处理
修正了当路由未配置 WASM 但 EnvoyExtensionPolicies 中 WASM 缓存初始化失败时返回 HTTP 500 错误的问题。现在系统能够更优雅地处理这类情况。
其他改进
- 优化了后端 TLS 端到端测试的可靠性
- 将 Go 语言版本升级至 1.24.3,提升了运行时性能和安全性
技术价值分析
v1.4.1 版本虽然在版本号上是一个小版本更新,但在生产环境稳定性方面做出了重要改进。特别是对 TLS 验证和速率限制功能的完善,使得 Envoy Gateway 在安全性和流量管理方面更加可靠。基础设施资源所有权管理的引入,则体现了项目对 Kubernetes 原生资源管理模式的深度适配,有助于提升集群资源管理的规范性。
对于已经采用 Envoy Gateway 的用户,建议尽快升级到此版本以获得更好的安全性和稳定性。新用户也可以从这个版本开始评估,因为它修复了多个可能影响生产环境的关键问题。
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