CRI-O 1.31.0版本中的镜像引用格式兼容性问题解析
在Kubernetes生态系统中,CRI-O作为容器运行时接口的实现,近期在1.31.0版本中出现了一个值得注意的镜像引用格式兼容性问题。这个问题主要影响那些同时包含标签(tag)和摘要(digest)的容器镜像引用。
当用户尝试在Kubernetes 1.31.0集群上部署某些常见组件时,如ingress-nginx或Cilium网络插件,会遇到容器创建失败的情况。错误信息明确指出:"Docker references with both a tag and digest are currently not supported",表明当前版本不再支持同时包含标签和摘要的镜像引用格式。
深入分析这个问题,我们需要理解容器镜像引用的两种主要形式:
- 标签引用:如
registry.k8s.io/ingress-nginx/controller:v1.11.2 - 摘要引用:如
registry.k8s.io/ingress-nginx/controller@sha256:d5f8217feeac4887cb1...
在Kubernetes官方文档中明确指出,当同时指定标签和摘要时,标签应该被忽略而使用摘要。然而CRI-O 1.31.0版本对此采取了更严格的验证策略,直接拒绝了这种混合格式的引用。
这个问题实际上反映了容器运行时与Kubernetes规范之间的微妙差异。从技术实现角度看,CRI-O内部使用containers/image库处理镜像引用,而该库出于设计考虑,一直不支持同时包含标签和摘要的引用格式。在之前的版本中,CRI-O通过特殊处理绕过了这一限制,但在1.31.0版本中,这部分逻辑发生了变化。
对于遇到此问题的用户,目前有以下几种解决方案:
- 修改部署清单,只保留摘要引用(推荐方案)
- 暂时回退到CRI-O 1.30.x版本
- 等待CRI-O 1.31.1及以上版本的修复
值得注意的是,CRI-O团队已经在1.31.1版本中修复了这个问题,恢复了与Kubernetes规范一致的行为。这个案例也提醒我们,在容器生态系统中,各种组件之间的规范一致性非常重要,任何微小的差异都可能导致生产环境中的兼容性问题。
对于系统管理员和DevOps工程师来说,这个问题的经验教训是:在升级关键基础设施组件时,应该充分测试核心工作负载的兼容性,特别是那些依赖特定镜像引用格式的应用程序。同时,保持对上游项目变更日志的关注,可以帮助提前发现潜在的兼容性风险。
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
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
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Python00
HunyuanVideo-1.5暂无简介00
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-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
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