Terraform Provider Google v6.34.0 版本发布解析
Google Cloud Terraform Provider 是 HashiCorp 官方维护的一个基础设施即代码工具,它允许开发者使用 Terraform 配置语言来定义和管理 Google Cloud 平台上的各种资源。最新发布的 v6.34.0 版本带来了一些重要的功能更新和改进,同时也对一些即将废弃的功能发出了警告。
新功能亮点
本次更新中,最值得关注的是新增了对 Apigee 安全配置的支持。Apigee 是 Google Cloud 提供的 API 管理平台,新增加的 google_apigee_security_profile_v2 资源允许开发者通过 Terraform 定义和管理 API 安全配置,这对于构建安全的 API 网关架构提供了更好的基础设施即代码支持。
主要功能改进
在 Bigtable 方面,新版本为 google_bigtable_instance 资源增加了 cluster.node_scaling_factor 字段,这使得用户可以更精细地控制 Bigtable 实例的节点扩展行为,有助于优化资源使用和成本。
Cloud Run 服务也得到了增强,新增了 scaling_mode 和 manual_instance_count 字段到 google_cloud_run_v2_service 资源中。这些新字段为用户提供了更多关于服务扩展行为的控制选项,可以更好地满足不同场景下的扩展需求。
网络连接性方面,google_network_connectivity_spoke 资源现在可以报告 state_reason,这为诊断网络连接问题提供了更多上下文信息。
数据库用户会高兴地发现,google_sql_database_instance 资源现在支持 connection_pool_config 配置,这意味着可以通过 Terraform 直接管理数据库连接池设置,简化了数据库性能优化的流程。
VPC 访问连接器的几个关键字段(min_instances、max_instances 和 machine_type)现在支持更新而不需要重新创建资源,这大大提高了运维的灵活性。
问题修复
本次版本修复了几个重要问题。在计算引擎方面,修复了 google_compute_instance 资源中子网络项目验证的问题,这解决了在某些配置场景下的验证错误。
Workbench 实例方面,修复了 metadata 字段中 instance-region 的永久性差异问题,这使得配置更加稳定可靠。
即将废弃的功能
需要注意的是,google_tpu_node 资源已被标记为废弃,并将在未来的主要版本中移除。Google 推荐用户迁移到 google_tpu_v2_vm 资源,这代表了 TPU 资源管理的新方向。
总结
Terraform Provider Google v6.34.0 版本在 API 管理、数据库连接、网络状态监测和计算资源等方面都带来了实用的改进。特别是对 Apigee 安全配置的原生支持和 Cloud Run 扩展控制的增强,为构建现代化云原生应用提供了更好的基础设施管理能力。同时,用户应该开始规划从旧版 TPU 资源向新版资源的迁移工作。
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