Pulumi Azure Classic v6 迁移指南:关键变更与升级策略
前言
Pulumi Azure Classic 提供商的 v6 版本是该系列自 2022 年 4 月以来的首个重大更新。作为基于 Terraform 提供商 v4 版本的升级,本次更新引入了一些重要的破坏性变更。本文将深入解析这些变更,并提供详细的迁移指导,帮助开发者顺利完成从 v5 到 v6 的过渡。
升级前的准备工作
在开始迁移前,强烈建议先升级到 v5.89.0 版本,并解决所有弃用警告。这一步骤至关重要,它能帮助您提前识别并处理潜在问题,使后续的 v6 迁移更加顺畅。
关键变更解析
1. 订阅 ID 成为必填项
变更内容: v6 版本中,订阅 ID 现在成为强制要求配置项。这一变更适用于所有认证方式,包括 CLI 认证。
配置方式:
- 环境变量:
ARM_SUBSCRIPTION_ID - 提供商配置属性:
subscriptionId
技术背景: 这一变更源于 Azure API 对订阅上下文的严格要求,确保所有操作都在明确的订阅范围内执行,提高操作的安全性和可追溯性。
2. 资源提供商管理机制重构
v5 版本会自动管理一个预定义的资源提供商列表,除非显式禁用 skipProviderRegistration 选项。v6 对此进行了重大改进:
新配置选项:
-
resourceProviderRegistrations:指定要自动管理的资源提供商集合core:最小化集合(基础订阅必需)extended:扩展集合(社区推荐)all:完整集合(覆盖所有功能)none:不自动管理legacy:向前兼容的旧版集合(未来将移除)
-
resourceProvidersToRegisters:额外指定的资源提供商名称列表
最佳实践:
生产环境建议从 core 开始,根据实际需求逐步添加,避免不必要的权限分配。
3. 枚举值大小写敏感化
变更影响: 多个资源的枚举属性现在严格区分大小写。这一变更提高了配置的精确性,解决了长期存在的差异问题。
迁移步骤:
- 升级到 v6 后执行预览操作
- 检查报告的大小写问题
- 根据提示修正程序中的枚举值
典型受影响资源(部分示例):
appservice.AppService:dotnetFrameworkVersion等compute.VirtualMachine:多个磁盘相关属性network命名空间下多个资源的协议类型storage.Account:多种账户配置属性
完整列表请参考官方文档中的详细表格。
已移除资源的处理策略
有替代方案的资源
这些资源已被新资源取代,迁移相对简单:
| 旧资源 | 新资源 |
|---|---|
core.TemplateDeployment |
core.ResourceGroupTemplateDeployment |
sql命名空间下多个资源 |
迁移到 mssql 命名空间对应资源 |
迁移方法: 保持逻辑名称不变,更新资源类型,调整不兼容的属性。
已退役的服务和资源
这些资源没有直接替代方案,需要特殊处理:
典型案例:
appservice.Environment:由 ASE v3 (appservice.EnvironmentV3) 取代- Azure Media Services 相关资源:服务已退役
- MySQL 单服务器相关资源:迁移到 Flexible Server
处理建议:
- 从状态中移除旧资源
- 使用替代方案重新创建
- 规划适当的数据迁移方案
资源属性变更详解
v6 版本中约有 150 个资源经历了属性变更,主要分为以下几类:
-
不再计算的属性(16 个):
- 可能需要使用
ignoreChanges忽略差异
- 可能需要使用
-
默认值变更(31 个):
- 检查现有配置是否符合新默认值预期
-
新增必填属性(4 个资源):
- 确保为这些资源添加必要属性
-
移除的废弃属性(32 个):
- 其中 10 个来自 KubernetesCluster 资源
特殊注意事项
apimanagement.ApiTag 资源实例需要重新创建,以便在资源 ID 中包含标签修订信息。这一变更确保了资源标识的完整性和一致性。
迁移检查清单
- [ ] 升级到 v5.89.0 并解决所有弃用警告
- [ ] 确保配置了订阅 ID
- [ ] 审查并调整资源提供商管理策略
- [ ] 修正所有枚举值的大小写问题
- [ ] 替换已废弃的资源类型
- [ ] 处理已退役服务的迁移方案
- [ ] 检查并适应属性变更
- [ ] 特殊处理需要重建的资源
结语
Pulumi Azure Classic v6 的迁移虽然涉及多项变更,但通过系统性的规划和执行,可以确保过渡平稳。建议在测试环境中先行验证迁移方案,特别是对于生产环境关键资源。通过这次升级,您将获得更稳定、更符合现代 Azure API 规范的开发体验。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
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
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).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00