Terraform AWS GitHub Runner 5.10.0版本发布:新增Spot实例终止监控与自定义初始化脚本支持
Terraform AWS GitHub Runner是一个开源项目,它通过Terraform模块在AWS上部署自托管的GitHub Actions运行器。该项目帮助开发团队在AWS基础设施上高效运行GitHub Actions工作流,同时提供灵活的资源管理和成本控制能力。
核心功能增强
Spot实例终止监控(Beta)
5.10.0版本引入了一个重要的新功能——Spot实例终止监控器(Beta)。在AWS环境中,Spot实例是一种成本优化的计算资源,但AWS可能会在需要回收容量时提前两分钟发出终止通知。这个新功能通过实时监控Spot实例的终止通知,确保运行中的GitHub Actions作业能够优雅处理实例终止事件,避免作业意外中断。
该功能目前处于Beta阶段,用户可以通过配置启用。它特别适合大规模使用Spot实例来降低CI/CD成本的团队,能够显著提高工作流的可靠性。
自定义初始化脚本支持
新版本增加了对自定义初始化脚本的支持,允许调用者提供自己的初始化脚本。初始化脚本是在EC2实例首次启动时运行的配置脚本,这一增强使得用户能够:
- 在运行器初始化阶段执行自定义配置
- 安装特定的依赖项或工具
- 根据组织策略配置安全设置
- 集成内部监控或日志收集工具
这一功能为高级用户提供了更大的灵活性,使他们能够根据特定需求定制运行器环境。
配置灵活性改进
可选的运行器最大扩展检查
5.10.0版本新增了一个配置选项,允许用户禁用运行器最大扩展检查。默认情况下,系统会检查运行器数量是否超过最大限制,但在某些特殊场景下(如临时需要更多运行器),用户可能需要绕过这一检查。
这个改进为系统管理员提供了更多控制权,使他们能够根据实际业务需求灵活调整运行器规模。
安全更新与依赖维护
本次发布包含了多项依赖项更新,主要涉及AWS SDK和其他关键库的安全补丁和性能改进:
- 将axios从1.6.7升级到1.6.8,修复了潜在的安全问题
- 更新了多个AWS相关依赖项,确保与最新AWS服务API兼容
- 持续维护Lambda函数依赖,提高系统稳定性和安全性
这些更新确保了项目依赖的现代性和安全性,减少了潜在的安全风险。
总结
Terraform AWS GitHub Runner 5.10.0版本通过引入Spot实例终止监控和自定义初始化脚本支持,显著提升了在AWS上运行GitHub Actions的可靠性和灵活性。这些改进特别适合需要大规模、低成本运行CI/CD管道的团队,同时也为有特殊配置需求的用户提供了更多可能性。
对于已经在使用此项目的团队,建议评估Spot实例终止监控功能是否适合您的使用场景,并考虑利用新的自定义初始化脚本功能来优化您的运行器环境。随着项目持续迭代,它正成为在AWS上托管GitHub Actions运行器的越来越完善的解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00