Gardener v1.121.0 版本发布:集群管理能力全面升级
项目概述
Gardener 是一个开源的 Kubernetes 即服务(KaaS)解决方案,它允许用户在云提供商上轻松创建和管理 Kubernetes 集群。作为一个强大的集群管理工具,Gardener 提供了自动化的集群生命周期管理功能,包括创建、扩展、升级和删除集群等操作。
核心变更解析
开发者体验优化
本次版本对开发者接口进行了多项重构和优化。首先,将 extensions/pkg/predicate 迁移至 pkg/controllerutils/predicate 包中,这一调整使得代码组织结构更加合理。同时移除了 MutatorWithShootClient 接口,取而代之的是更灵活的 WantsShootClient 接口设计,开发者现在可以通过上下文(Context)获取所需的 Shoot 客户端。
新增的 WantsClusterObject 接口允许扩展的 mutator 或 validator 从上下文中直接获取对应的 Cluster 对象,这大大简化了相关组件的开发工作。此外,还引入了 CurrentLifecycleClassification(version) 辅助函数,帮助开发者更方便地评估给定 ExpirableVersion 的当前分类状态。
集群自动伸缩增强
在集群自动伸缩方面,v1.121.0 版本带来了显著改进。首先废弃了 .spec.kubernetes.clusterAutoscaler.maxEmptyBulkDelete 字段,推荐使用新的 .spec.kubernetes.clusterAutoscaler.maxScaleDownParallelism 字段进行替代配置。同时新增了 .spec.kubernetes.clusterAutoscaler.maxDrainParallelism 字段,允许用户配置需要排空(drain)的节点的并发删除数量,这为大规模集群的管理提供了更精细的控制能力。
安全与凭证管理
在安全方面,当启用 DoNotCopyBackupCredentials 特性门控时,Gardener 不再从 Shoot 基础设施凭证中复制 Seed 备份凭证。这一变更促使运维团队为 Seed 备份和 Shoot 基础设施配置独立的凭证集,遵循安全最佳实践。同时修复了当配置匿名认证时可能导致 kube-apiserver 崩溃的问题,提升了系统的稳定性。
运维能力提升
v1.121.0 版本优化了多种运维场景。对于使用 unmanaged DNS 提供商的 Shoots,gardenlet 不再部署用途为 exposure 的 ControlPlane 资源,并会在协调和删除流程中清理任何现有的 ControlPlane exposure 资源。此外,gardenlet 现在会智能地避免在 Shoot 协调过程中扩展带有特定注解的部署,提高了运维效率。
CredentialsRotationWithoutWorkersRollout 特性门控已升级为 beta 状态并默认启用,这简化了凭证轮换流程。同时修复了在手动更新所有待处理的 worker 后,Shoot 凭证轮换状态不能正确更新的问题。
架构与设计改进
本次发布在系统架构方面进行了多项优化。引入了新的版本分类状态 unavailable 和 expired,这些状态不是手动设置的,而是作为计算得出的分类状态,为版本管理提供了更清晰的语义。同时明确了 Kubernetes 版本支持策略,规定仅保留最新的 5 个次要版本,这一变更通过及时淘汰旧版本来提升整体安全性。
组件与依赖更新
v1.121.0 版本更新了多个关键依赖组件:
- 将各种 VPA(Vertical Pod Autoscaler)组件从 1.3.1/1.4.0 升级到 1.4.1 版本
- Ingress-Nginx 控制器更新至 v1.11.7 和 v1.12.3
- 依赖看门狗(Dependency Watchdog)从 v1.4.0 升级到 v1.5.0
- Gardener Dashboard 更新至 1.80.3 版本
此外,首次将 gardenadm 工具发布为容器镜像,并引入了 perses-operator 到 Garden 和 Seed 集群中,扩展了系统的监控能力。
总结
Gardener v1.121.0 版本在开发者体验、集群自动伸缩、安全管理和运维效率等方面都带来了显著改进。通过引入新的接口设计、优化凭证管理流程、增强版本支持策略,以及更新关键依赖组件,这个版本进一步提升了 Gardener 作为企业级 Kubernetes 管理平台的可靠性和易用性。对于现有用户,建议仔细阅读变更说明,特别是涉及破坏性变更的部分,以确保平滑升级到新版本。
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