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。
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