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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00