KServe项目关于kube-rbac-proxy镜像迁移的技术通告
随着Google Cloud Registry(GCR)服务即将在2025年3月18日停止服务,KServe项目组需要提醒所有用户注意一个重要变更:当前使用的gcr.io/kubebuilder/kube-rbac-proxy镜像将在此日期后不可用。作为KServe的核心组件之一,这一变更将影响所有现网部署,需要用户及时采取行动。
背景说明
kube-rbac-proxy是Kubernetes生态中广泛使用的RBAC代理组件,主要用于处理基于角色的访问控制。在KServe的架构中,它承担着重要的安全认证功能。目前项目中使用的是托管在Google GCR仓库的镜像版本。
根据Google官方公告,所有GCR仓库都将在2025年3月18日后停止服务。这意味着届时任何尝试拉取该镜像的操作都将失败,导致依赖该组件的服务出现异常。
影响范围
这一变更将影响:
- 所有使用默认配置部署的KServe实例
- 任何直接或间接依赖
gcr.io/kubebuilder/kube-rbac-proxy镜像的自定义部署 - 使用较旧版本KServe且未及时升级的系统
解决方案
项目组已经确定了两种可行的迁移方案:
方案一:完全移除依赖
通过重构代码逻辑,彻底移除对kube-rbac-proxy的依赖。这种方式最为彻底,但需要较大的架构调整。
方案二:迁移到替代镜像
将依赖迁移到官方推荐的替代镜像quay.io/brancz/kube-rbac-proxy。这是kube-rbac-proxy项目的官方维护版本,功能完全兼容。
经过评估,KServe项目组已经选择方案二作为主要迁移路径,并在最新版本中完成了相关变更。
用户操作指南
对于不同场景的用户,建议采取以下措施:
-
新部署用户: 直接使用KServe最新版本,已内置正确的镜像配置。
-
现有部署用户:
- 检查当前部署中是否包含对
gcr.io/kubebuilder/kube-rbac-proxy的引用 - 制定升级计划,在2025年3月前完成迁移
- 测试环境先行验证,确保兼容性
- 检查当前部署中是否包含对
-
定制化部署用户: 需要手动修改部署配置,将所有相关镜像引用更新为
quay.io/brancz/kube-rbac-proxy
技术细节
迁移过程中需要注意:
- 新老镜像的版本对应关系
- 可能存在的配置参数差异
- 监控指标的兼容性
- 性能基准测试
建议用户在测试环境中充分验证后再进行生产环境部署。
时间规划
为确保平稳过渡,建议用户按照以下时间表行动:
- 2024年Q3:评估影响,制定迁移计划
- 2024年Q4:测试环境验证
- 2025年Q1:生产环境部署
结语
镜像仓库变更虽然看似简单,但可能对生产系统造成重大影响。KServe项目组建议所有用户重视此次变更,尽早规划迁移工作。如有任何技术问题,可通过社区渠道寻求支持。
项目组将持续关注相关进展,并在必要时提供额外指导。用户的安全和系统稳定性是我们的首要考虑。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00