Terraform Provider for AzureRM v4.31.0 版本发布解析
Terraform Provider for AzureRM 是 HashiCorp 官方维护的用于管理 Microsoft Azure 资源的 Terraform 插件。最新发布的 v4.31.0 版本带来了一系列新功能、增强特性和问题修复,进一步提升了用户在 Azure 云环境中进行基础设施即代码(IaC)管理的体验。
新功能介绍
本次更新引入了两个重要的新资源:
-
Dev Center 数据源:新增的
azurerm_dev_center数据源允许用户查询现有的 Azure Dev Center 资源信息。Dev Center 是 Azure 提供的开发者中心服务,为开发团队提供标准化的开发环境和工具链。 -
网络管理器路由配置资源:新增的
azurerm_network_manager_routing_configuration资源使用户能够通过 Terraform 管理 Azure 网络管理器中的路由配置。这对于需要集中管理复杂网络拓扑的企业特别有价值。
功能增强
v4.31.0 版本对多个现有资源进行了功能扩展:
-
备份保护虚拟机:
azurerm_backup_protected_vm资源现在支持BackupsSuspended保护状态,允许用户通过 Terraform 管理备份暂停状态。 -
Grafana 托管私有端点:
azurerm_dashboard_grafana_managed_private_endpoint新增了对privatelink_service_url属性的支持,增强了私有链接配置能力。 -
Dynatrace 标签规则:
azurerm_dynatrace_tag_rules增加了sending_metrics_enabled属性,提供了更精细的监控数据发送控制。 -
MySQL 灵活服务器:新增了对
MO_Standard_E96ads_v5SKU 的支持,为用户提供了更高性能的数据库实例选项。 -
PostgreSQL 灵活服务器:改进了副本服务器创建过程,现在会在创建副本时锁定源服务器,防止配置冲突。
重要问题修复
本次发布修复了多个可能影响用户体验的问题:
-
API 管理产品:修复了
subscriptions_limit属性不能设置为 0 的问题,现在可以正确表示无限制订阅。 -
批处理池:解决了
data_disks属性更新不生效的问题,确保磁盘配置变更能够正确应用。 -
数据工厂二进制数据集:修复了压缩类型属性在 API 请求中大小写错误的问题,现在压缩设置能够正确生效。
-
HDInsight 集群系列:多个 HDInsight 集群资源(
hadoop、hbase、interactive_query、kafka、spark)修复了脚本操作变更时的问题,现在会强制创建新资源而不是静默失败。 -
Linux 虚拟机:修复了当虚拟机配置了 VM 扩展时身份(identity)更新失败的问题。
-
MongoDB 集群:修复了连接字符串中包含
$符号时的导出问题,确保特殊字符正确处理。 -
SQL 虚拟机:现在当未指定
auto_patching块时会正确禁用自动修补功能,而不是保持之前的状态。 -
网络接口:修复了当 NIC 附加到私有端点时无法更新标签的问题,现在标签管理更加灵活。
-
搜索服务:修复了更新
allowed_ips属性时意外清除network_rule_bypass_option的问题,确保网络安全配置的稳定性。
依赖项更新
v4.31.0 版本更新了多个 Azure 服务的 API 版本依赖:
- 托管 Lustre 文件系统更新至 2024-07-01 API 版本
- SQL 服务器安全评估更新至 2023-08-01-preview API 版本
- 虚拟机规模集备用池更新至 2025-03-01 API 版本
- 计算服务部分更新至 2024-11-01 API 版本
- Video Indexer 服务更新至 2025-04-01 API 版本
这些 API 版本更新通常带来新功能、性能改进和安全性增强,确保 Terraform 用户能够访问 Azure 服务的最新特性。
总结
Terraform Provider for AzureRM v4.31.0 版本通过新增资源、功能增强和问题修复,进一步提升了在 Azure 环境中使用基础设施即代码的体验。特别是对网络管理、数据库服务和监控功能的改进,使得大规模云环境的管理更加高效可靠。用户升级到此版本可以获得更稳定的操作体验和更丰富的功能支持。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00