Harbor Helm Chart v1.17.0 版本发布:全面支持 Harbor 2.13.0 的新特性
Harbor 是一个企业级的开源容器镜像仓库,提供了镜像存储、签名扫描、安全检查、访问控制等丰富的功能。而 Harbor Helm Chart 则是 Harbor 在 Kubernetes 环境中的部署方案,通过 Helm 包管理器简化了 Harbor 在 Kubernetes 集群中的安装和配置过程。
核心更新内容
1. Redis TLS 支持增强
本次版本更新中,对 Redis 的 TLS 配置进行了优化。Redis 作为 Harbor 的关键组件之一,负责缓存和会话存储等功能。通过改进 TLS 配置模板,现在可以更灵活地配置 Redis 的安全通信,包括:
- 支持自定义 TLS 证书配置
- 优化了 TLS 相关参数的渲染逻辑
- 增强了 Redis 服务间的安全通信能力
这一改进特别适合对安全性要求较高的生产环境,确保重要数据在传输过程中的安全性。
2. 日志级别配置修复
修复了一个长期存在的日志级别配置问题。在之前的版本中,某些情况下日志级别配置可能无法正确应用到所有组件。这个修复确保了:
- 日志级别配置能够正确应用到所有 Harbor 组件
- 管理员可以更精确地控制日志输出级别
- 便于问题排查和系统监控
3. Ingress 配置文档完善
针对 Kubernetes Ingress 的配置文档进行了补充和完善,特别是增加了对 ingress.className 参数的说明。这个参数在现代 Kubernetes 集群中越来越重要,因为:
- 许多集群使用多个 Ingress 控制器
- 需要明确指定使用哪个 Ingress 类
- 帮助用户避免常见的 Ingress 配置错误
4. 安全防护密钥配置说明
增加了对安全防护密钥配置的详细注释。安全防护是 Web 应用安全的重要机制,新版本中:
- 明确了安全密钥的配置位置
- 提供了最佳实践建议
- 帮助管理员理解这一安全配置的重要性
5. Exporter 组件单元测试增强
对 Exporter 组件增加了更全面的单元测试。Exporter 负责将 Harbor 的监控数据暴露给 Prometheus 等监控系统。这一改进:
- 提高了 Exporter 组件的代码质量
- 减少了潜在的错误
- 为未来的功能扩展提供了更好的测试基础
版本兼容性
此 Helm Chart 版本(v1.17.0)专门为 Harbor OSS v2.13.0 设计,包含了所有必要的配置模板和参数,确保能够充分利用 Harbor 2.13.0 的新特性和改进。
升级建议
对于现有用户,建议在测试环境中先验证新版本的兼容性,特别注意:
- 如果使用了 Redis TLS,需要检查现有配置与新版本的兼容性
- 验证日志级别配置是否符合预期
- 检查 Ingress 配置是否需要调整
对于新用户,这个版本提供了更完善的文档和更稳定的功能,是开始使用 Harbor on Kubernetes 的良好起点。
总结
Harbor Helm Chart v1.17.0 版本通过多项改进和修复,进一步提升了在 Kubernetes 环境中部署 Harbor 的可靠性和易用性。特别是安全相关的增强,如 Redis TLS 支持和安全配置说明,使得这个版本更适合生产环境部署。同时,文档的完善和测试的增强也为长期维护奠定了更好的基础。
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