探索未来云应用的基石:Radius - 简化云原生开发的平台
Radius是一个创新的云原生应用程序平台,旨在帮助开发者和平台工程师合作,按照组织的最佳实践,轻松构建和管理成本、运营和安全均得到优化的云原生应用。作为开源项目,Radius支持在私有云、Microsoft Azure和Amazon Web Services上部署应用,并计划添加更多云提供商的支持。此外,它还是Cloud Native Computing Foundation (CNCF) 的一个沙箱项目。
项目概述
随着云计算的发展,许多公司以更快的速度进行创新,无论是构建传统的二三层架构应用,还是复杂的微服务应用。Kubernetes等云原生技术使跨环境运行应用变得更加简单。然而,与此同时,应用的复杂性也在增加,多云环境下的管理变得日益困难。尽管Kubernetes起到了关键作用,但其自身的一些局限性(例如缺乏正式的应用定义、混合基础设施和应用概念以及复杂的操作)促使了许多组织在其之上构建抽象层。开发者也意识到,他们的应用需要超越Kubernetes,包括对API前端、键值存储、缓存和观测系统等依赖的支持。在这一背景下,企业IT部门还需要在保障快速应用创新的同时,执行日益增长的企业标准、合规性和安全要求。
Radius正是为解决这些贯穿于开发和运维过程中的挑战而设计的。它通过支持如Kubernetes这样的成熟技术,整合Terraform和Bicep等现有基础架构工具,以及与GitHub Actions等CI/CD系统集成,让应用团队能更高效地协作。无论从简单的Web+数据到复杂的微服务应用,如Microsoft的eShop参考应用,Radius都能提供全面的支持。
关键特性
- 团队协作: Radius 应用和环境让开发人员可以与运维团队共同定义和交付应用。
- 基础设施配方: 满足组织最佳实践和IT政策的可互换基础设施。
- 应用图谱: 显示服务和基础设施在应用中的相互联系。
- 云中立: 在开发、本地和云环境中提供一致的部署体验。
- 渐进式采用: 将Radius无缝融入现有的工作流程和基础设施即代码模板目录。
发布状态
这是Radius的早期版本,供社区学习和实验。请告诉我们您的想法,发现错误时,请打开问题报告或请求新功能。目前,Radius尚未准备好用于生产负载。
开始使用
- 遵循入门指南安装并试用Radius。
- 访问Tutorials和User Guides深入了解Radius,并开始将你的应用"Radify"(Radius化)。
获取帮助
- 有问题?访问我们的Discord服务器,我们会尽快回复您。
- 发现问题?请参阅我们的问题指南了解如何提交bug报告。
- 有建议?同样请参考问题指南了解如何提出功能请求。
加入社区
我们欢迎您的贡献和建议!参与问题讨论、在Discord服务器聊天,或参加每月的社区通话都是容易的参与方式。
联系我们
请访问Discord服务器联系我们,我们会尽快回应。
社区通话
每个月,我们都会举办一次社区电话会议,展示新功能,回顾即将来临的里程碑,并进行问答环节。所有人都欢迎参加!
手机访问我们的社区会议页面获取最新日期和会议链接。
贡献给Radius
查看贡献了解更多关于如何向Radius贡献的信息。要创建Radius食谱,请访问如何编写Radius食谱。要为Radius文档做贡献,请访问Radius文档贡献。
仓库
- Radius: 主仓库,包含所有Radius代码和文档。
- Docs: 包含Radius文档源码的仓库。
- Samples: 快速启动、参考应用和教程的源代码。
- Recipes: 包含Radius环境常见配方模板的仓库。
- Website: Radius网站源码仓库。
- Bicep: 用于部署云资源类型的Bicep DSL源码仓库。
- AWS Bicep Types: 提供Bicep对AWS资源类型支持的工具。
安全性
请参考我们的报告安全漏洞指南。
行为准则
请参阅我们的Radius社区行为准则。
一起探索Radius,开启更高效、更智能的云原生应用之旅吧!
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