Oxidized 0.33.0版本发布:网络设备配置管理工具的重大更新
项目简介
Oxidized是一个开源的网络设备配置备份工具,它能够自动从各种网络设备(如路由器、交换机、防火墙等)中获取配置信息,并将这些配置存储在版本控制系统(如Git)中。这个工具对于网络工程师来说非常有用,可以帮助他们跟踪配置变更、快速恢复设备配置以及进行配置审计。
0.33.0版本主要更新内容
1. 配置方式的重大变更
本次更新最显著的变化是oxidized-web的配置方式发生了改变。旧的rest配置方式虽然仍然被支持,但已被标记为弃用。新的配置方式需要与oxidized-web 0.16.0或更高版本配合使用。
这种变更反映了项目向更现代化、更模块化的架构演进。新的配置方式更加清晰,能够更好地支持未来的功能扩展。
2. 安全更新
Docker容器中包含了针对ruby-rake的安全改进,强烈建议所有用户更新到最新版本以保护系统安全。安全更新是运维工具中至关重要的部分,Oxidized团队及时跟进安全补丁的做法值得赞赏。
3. 新增设备支持
本次更新增加了对多种新设备的支持:
- Unifi设备:新增了unifiap模型,支持Unifi AP、交换机以及AirOS AP设备
- Ingate操作系统:新增了对Ingate设备的支持
- Easton千兆网卡:新增了对Easton设备的支持
这些新增的设备支持使得Oxidized能够覆盖更广泛的网络设备类型,满足更多用户的需求。
4. 现有模型的改进
- FortiOS:扩展了对FortiADC设备的支持
- 输入/HTTP:改进了摘要认证处理,现在可以自动处理密码中的特殊字符,无需手动进行URL编码
- Netgear:添加了分页处理程序的工作区,解决了多个相关问题
- IOS:改进了安全性,现在会隐藏AAA RADIUS的密钥
5. 性能优化
- Git输出:通过缓存提交日志来提升oxidized-web的性能
- 版本输出:Git/gitcrypt的版本输出现在返回一个Time对象,为oxidized-web提供了更大的灵活性
技术细节解析
配置方式的演进
新的配置方式从rest:变更为extensions.oxidized-web,这种变化不仅仅是语法上的调整,它代表了项目架构上的优化。新的配置方式:
- 更加模块化,便于独立开发和维护
- 为未来可能的扩展提供了更好的支持框架
- 配置结构更加清晰,降低了配置错误的可能性
安全增强
安全更新是本次发布的重要部分。ruby-rake的安全改进解决了潜在的安全问题,这对于一个需要访问网络设备敏感配置的工具来说尤为重要。Docker用户应当尽快更新,以确保系统安全。
设备支持扩展
新增的设备支持体现了Oxidized社区的活跃度。特别是Unifi设备的支持,考虑到Ubiquiti设备在企业网络中的普及程度,这一支持将惠及大量用户。
对于FortiOS的扩展支持也值得关注,FortiADC的加入使得Oxidized能够更好地服务于使用Fortinet全线产品的企业环境。
升级建议
对于现有用户,升级到0.33.0版本时需要注意:
- 如果使用oxidized-web,需要确保同时升级到0.16.0或更高版本
- 配置文件中关于REST API的部分需要按照新格式更新
- Docker用户应当重建容器以获取最新的安全更新
- 建议在测试环境中先验证新版本,特别是如果依赖特定的设备模型或功能
总结
Oxidized 0.33.0版本带来了重要的架构改进、安全增强和设备支持扩展。这些变化不仅提升了工具的稳定性和安全性,还扩展了其应用场景。对于网络自动化运维团队来说,这次更新提供了更强大、更安全的配置管理能力。
随着网络设备种类和复杂度的不断增加,像Oxidized这样的自动化配置管理工具变得越来越重要。0.33.0版本的发布,展示了项目团队对产品质量和用户体验的持续关注,也预示着项目未来的发展方向。
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