Terraform AWS GitHub Runner v0.28.0版本发布:支持临时运行器与Graviton实例
Terraform AWS GitHub Runner是一个开源项目,它通过Terraform在AWS上部署和管理GitHub Actions的自托管运行器。该项目简化了在AWS基础设施上运行GitHub Actions工作流的过程,提供了自动扩展、多平台支持等企业级功能。
最新发布的v0.28.0版本带来了几项重要改进,包括对临时运行器的支持、创建Fleet API替代Run Instance API、Graviton实例支持等。这些更新显著提升了运行器的灵活性、资源利用率和成本效益。
临时运行器支持
v0.28.0版本引入了临时运行器(ephemeral runners)功能。临时运行器是指那些在执行完任务后会自动销毁的运行器实例,而不是保持运行状态等待下一个任务。这种模式特别适合以下场景:
- 安全性要求高的环境:每次任务都在全新的环境中执行,避免了潜在的环境污染
- 成本敏感型工作负载:只在需要时创建资源,任务完成后立即释放
- 一致性要求高的构建:每次构建都在干净的环境中开始,确保构建结果的一致性
实现这一功能需要对运行器的生命周期管理进行重构,确保任务完成后能够正确清理资源。项目团队还解决了与此功能相关的多个问题,确保了功能的稳定性和可靠性。
默认运行器位置变更
新版本将运行器的默认安装位置从原来的路径修改为/opt目录。这一变更主要基于以下考虑:
/opt是Linux系统中专门用于安装附加应用程序的标准目录- 遵循了Linux文件系统层次结构标准(FHS)
- 减少了与系统其他组件的潜在冲突
同时,项目团队还修复了Ubuntu示例中的相关问题,使新用户能够更顺利地部署和运行。
创建Fleet API替代Run Instance API
v0.28.0版本用更现代的Create Fleet API替代了原有的Run Instance API。这一技术升级带来了多方面优势:
- 批量操作能力:可以一次性请求多个实例,提高了大规模部署的效率
- 更灵活的实例配置:支持混合实例策略,可以指定多种实例类型和购买选项
- 更好的错误处理:提供了更详细的错误信息和重试机制
这一变更需要更新IAM权限策略,确保运行器服务具有调用新API所需的权限。项目文档已经相应更新,指导用户完成这一过渡。
Graviton实例支持
新版本增加了对t4g Graviton实例类型的支持。Graviton是AWS基于ARM架构的自研处理器,具有以下特点:
- 性价比优势:相比同级别的x86实例,通常能提供更好的性价比
- 能效比高:ARM架构在功耗方面有先天优势
- 生态逐渐成熟:越来越多的软件开始原生支持ARM架构
这一支持使得用户可以在GitHub Actions运行器上利用Graviton实例,进一步优化运行成本。项目团队确保了运行器软件栈在ARM架构上的兼容性,包括必要的二进制文件和依赖项。
Windows AMI配置改进
v0.28.0版本还包含了对Windows AMI配置的修复。这一改进确保了:
- Windows运行器能够正确识别和使用系统资源
- 必要的系统服务和组件能够正常启动
- 与GitHub Actions系统的集成更加稳定
这些修复主要涉及Windows系统特定的配置项和初始化脚本,使Windows运行器的部署更加可靠。
总结
Terraform AWS GitHub Runner v0.28.0版本通过引入临时运行器、升级实例创建API、支持Graviton架构等多项改进,进一步提升了项目的成熟度和实用性。这些更新不仅扩展了功能集,还优化了资源利用率和成本效益,使项目更适合各种规模的企业部署。
对于现有用户,升级到v0.28.0版本需要注意IAM权限策略的更新,特别是从Run Instance API到Create Fleet API的转变。新用户可以受益于更完善的文档和示例,特别是Ubuntu和Windows运行器的配置部分。
随着GitHub Actions在企业中的普及,Terraform AWS GitHub Runner项目将继续演进,提供更强大、更灵活的自托管运行器解决方案。
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