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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00