Terraform Provider for Google Cloud v6.22.0 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,它允许开发者通过声明式配置来管理 Google Cloud Platform (GCP) 上的各种资源和服务。最新发布的 v6.22.0 版本带来了一系列新功能、改进和修复,本文将深入解析这个版本的重要更新。
新功能亮点
本次更新引入了多个新数据源和资源,显著扩展了 Terraform 对 Google Cloud 服务的覆盖范围:
-
AlloyDB 集群数据源:新增的
google_alloydb_cluster数据源允许用户查询现有 AlloyDB 集群的信息,AlloyDB 是 Google Cloud 提供的完全托管的 PostgreSQL 兼容数据库服务。 -
项目谱系数据源:
google_project_ancestry数据源能够获取 Google Cloud 项目的组织层级结构信息,这对于多层级资源管理和权限控制非常有用。 -
Gemini 相关资源:
google_gemini_data_sharing_with_google_setting_binding资源用于管理 Gemini 服务与 Google 数据共享的设置绑定google_gemini_logging_setting和google_gemini_logging_setting_binding资源提供了对 Gemini 服务日志记录的精细控制
-
Spanner 实例分区资源:新增的
google_spanner_instance_partition资源允许用户管理 Cloud Spanner 实例的分区配置,这是 Google 全球分布式关系型数据库服务的重要功能。
重要改进与增强
本次版本更新对多个现有功能进行了增强:
-
BackupDR 服务 GA:备份灾难恢复(BackupDR)相关的管理服务器、备份计划和关联资源已从测试版升级为正式版(GA),标志着这些功能的稳定性和成熟度达到生产环境要求。
-
网络对等路由配置增强:
google_compute_network_peering_routes_config资源新增了import_subnet_routes_with_public_ip和export_subnet_routes_with_public_ip字段,提供了更精细的控制公有 IP 子网路由在 VPC 对等连接中的传播方式。 -
开发者连接服务扩展:
google_developer_connect_connection资源现在支持 Bitbucket Cloud 和 Bitbucket Data Center 的配置选项,为使用这些代码仓库平台的团队提供了更好的集成支持。 -
IAM 工作负载身份池:工作负载身份池及其提供者数据源已从测试版升级为正式版,简化了跨工作负载的身份管理。
-
Redis 集群加密支持:
google_redis_cluster资源新增了kms_key字段,允许用户使用客户管理的加密密钥(CMEK)来保护 Redis 集群中的数据。
弃用通知
本次版本中,Google 宣布了两项即将弃用的功能,用户应开始规划迁移:
-
Data Catalog 标签模板:
google_data_catalog_tag_template将被弃用,建议迁移到新的google_dataplex_aspect_type资源。 -
Data Catalog 条目组:
google_data_catalog_entry_group也将被弃用,替代方案是google_dataplex_entry_group。
这些变化反映了 Google 正在将数据目录功能整合到更广泛的 Dataplex 服务中,用户应参考官方迁移指南规划过渡。
关键问题修复
v6.22.0 版本解决了几个重要问题:
-
Apigee 组织删除问题:修复了删除
google_apigee_organization资源时可能出现的错误,提高了 API 管理服务的可靠性。 -
Bigtable 集群更新问题:解决了在更新包含自动扩展集群的 Bigtable 实例时可能出现的错误,确保集群配置变更能够顺利完成。
-
Chronicle 规则部署:修复了
google_chronicle_rule_deployment资源在创建时设置enabled属性的问题,确保安全规则能够按预期启用。
总结与建议
Terraform Provider for Google Cloud v6.22.0 版本在多个维度上增强了云资源管理能力。对于现有用户,建议特别关注:
- 评估新引入的数据源和资源是否能简化现有基础设施代码
- 规划被弃用功能的迁移工作,特别是 Data Catalog 相关资源
- 利用增强的网络对等路由控制和 Redis 加密功能提升安全性和灵活性
对于新用户,这个版本提供了更全面的 Google Cloud 服务覆盖,特别是对 AlloyDB、Spanner 分区和 Gemini 服务的支持,可以更轻松地构建复杂云架构。
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