RKE2 v1.29.15版本发布:Kubernetes安全与稳定性升级
RKE2是Rancher推出的一个轻量级Kubernetes发行版,专为生产环境设计,具有高度安全性和易用性。它结合了Kubernetes的强大功能与Rancher在容器编排领域的丰富经验,为企业用户提供了一个开箱即用的Kubernetes解决方案。
本次发布的RKE2 v1.29.15版本带来了多项重要更新,主要聚焦于安全问题修复和组件升级。作为Kubernetes的加固发行版,RKE2始终将安全性放在首位,这次更新也不例外。
核心组件升级
本次版本最显著的更新是将Kubernetes升级至v1.29.15版本。这个版本包含了上游Kubernetes项目的最新安全补丁和稳定性改进,确保集群运行在已知最稳定的基础上。
在CNI插件方面,默认的Canal组件(Flannel+Calico组合)获得了更新:
- Flannel升级至v0.26.5
- Calico升级至v3.29.2
这些网络组件的升级不仅带来了性能优化,还修复了多个已知的安全问题,增强了集群网络层面的安全性。
安全增强
本次发布特别关注了Ingress控制器的安全性。rke2-ingress-nginx组件升级到了controller v1.12.1-hardened1(对应chart版本4.12.1),这个版本专门修复了CVE-2025-1974问题以及其他近期公布的ingress-nginx安全问题。
RKE2团队对这些安全问题进行了评估,并迅速响应,通过提供加固版的组件来确保用户集群不受这些问题影响。这种快速响应机制体现了RKE2对安全性的高度重视。
重要注意事项
版本说明中特别强调了关于集群令牌的重要提示。在RKE2中,服务器节点启动时如果没有显式指定--token参数,系统会自动生成一个随机令牌。这个令牌有两个关键用途:
- 用于新节点加入集群时的身份验证
- 用于加密存储在数据存储中的集群引导数据
管理员需要特别注意保存这个令牌,因为在从备份恢复集群时,这个令牌是必不可少的。可以通过以下命令在任何已加入集群的服务器节点上查看当前令牌:
cat /var/lib/rancher/rke2/server/token
这个设计体现了RKE2在安全性和可用性之间的平衡,既保证了集群加入过程的安全性,又通过明确的文档指导帮助管理员正确管理关键凭证。
其他组件更新
除了核心Kubernetes和网络组件的更新外,本次发布还包括了多个配套组件的版本升级:
- Containerd升级至v1.7.26-k3s1
- Etcd升级至v3.5.19-k3s1
- Metrics-server升级至v0.7.2
- CoreDNS升级至v1.12.0
这些组件的升级带来了性能改进、bug修复和安全性增强,共同提升了整个RKE2发行版的稳定性和可靠性。
总结
RKE2 v1.29.15版本的发布再次证明了该项目对安全性和稳定性的承诺。通过及时集成上游Kubernetes的安全补丁、加固关键组件如ingress-nginx,以及提供清晰的操作指南,RKE2为企业在生产环境中运行Kubernetes提供了可靠的基础。
对于现有用户,建议尽快安排升级计划以获得最新的安全保护。新用户可以放心采用这个版本作为生产环境的起点,享受RKE2带来的简化操作和增强安全性。
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