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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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