AWS Amplify CLI与CloudFormation嵌套栈权限变更解析
背景概述
近期AWS CloudFormation服务对嵌套栈的权限模型进行了重要变更,这一变更直接影响到了使用AWS Amplify CLI进行应用部署的开发团队。作为AWS生态中的重要开发工具,Amplify CLI在底层大量依赖CloudFormation进行资源编排,因此需要开发者特别关注这一权限模型的调整。
权限变更详情
在2024年1月31日前,CloudFormation对嵌套栈的操作权限较为宽松:只要父栈操作被允许,其包含的嵌套栈操作也会自动获得授权。然而,新的权限模型要求对嵌套栈进行显式授权:
- 创建场景:当模板中添加新的嵌套栈并尝试更新父栈时,现在需要显式授予CreateStack权限
- 删除场景:当从模板中移除嵌套栈并更新父栈时,需要显式授予DeleteStack权限
AWS计划在2024年4月5日全面实施这一变更,届时所有账户都将遵循新的权限模型。
Amplify CLI的应对方案
对于使用Amplify CLI的开发者,需要注意以下几点:
-
默认策略分析:Amplify CLI使用的默认
AdministratorAccess-Amplify策略已经包含了对amplify-*前缀栈的完整操作权限,包括:- 栈的创建、更新和删除
- 变更集操作
- 栈资源描述和查询
- 栈集操作
-
自定义策略调整:如果项目中使用的是自定义IAM策略,需要确保策略中包含对嵌套栈的显式授权。建议检查策略中是否包含以下关键权限:
cloudformation:CreateStackcloudformation:DeleteStackcloudformation:UpdateStack并且这些权限的资源ARN应正确指向所有可能的嵌套栈资源。
最佳实践建议
-
权限范围控制:虽然可以直接使用通配符(
*)授权所有CloudFormation操作,但建议遵循最小权限原则,将权限限定在amplify-*资源范围内。 -
测试环境验证:在正式环境部署前,建议在测试环境中验证新的权限设置是否满足嵌套栈操作需求。
-
监控与审计:变更实施后,应密切监控部署过程,并通过CloudTrail日志审计权限使用情况。
-
多环境考虑:对于拥有开发、测试、生产等多环境的项目,需要确保每个环境的IAM策略都进行了相应更新。
总结
AWS CloudFormation对嵌套栈权限模型的变更是为了提高安全性和权限控制的精确性。作为Amplify CLI用户,理解这一变更并及时调整权限策略,可以确保应用部署流程不受影响。对于大多数使用默认配置的项目,这一变更不会造成影响;而使用自定义IAM策略的项目则需要仔细检查并更新权限设置。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00