Linkerd2 edge-25.4.3版本发布:优化CLI与追踪功能
Linkerd是一个轻量级的服务网格解决方案,专为Kubernetes环境设计。它通过透明的代理机制为微服务提供可靠的通信、安全性和可观测性,而无需修改应用代码。作为云原生计算基金会(CNCF)毕业项目,Linkerd以其简单性和高性能著称。
本次发布的edge-25.4.3版本主要针对CLI工具和追踪功能进行了优化改进,属于推荐升级版本。下面我们将详细解析这次更新的技术细节。
CLI工具的Gateway API检查增强
在Kubernetes生态中,Gateway API是一组用于配置网络基础设施的扩展API资源。Linkerd利用这些API来实现高级流量管理功能。本次更新中,CLI工具对Gateway API的检查机制进行了两项重要改进:
-
版本兼容性检查:现在CLI会明确验证集群中安装的Gateway API是否包含v1版本的资源。这一改进避免了因API版本不匹配导致的潜在问题,确保Linkerd能够正确使用Gateway API的最新稳定功能。
-
更明确的安装指引:当检测到缺少必要的Gateway API资源时,CLI会提供更具体的安装命令。这显著降低了用户配置门槛,特别是对于初次使用Linkerd的开发人员来说,能够快速准确地完成前置依赖的安装。
这些改进使得Linkerd的安装和配置过程更加健壮和用户友好,减少了因环境配置不当导致的部署问题。
追踪功能默认端口变更
分布式追踪是现代微服务架构中重要的可观测性工具,它帮助开发者理解请求在服务间的流转路径和性能特征。本次版本对追踪功能的默认配置进行了重要调整:
将默认的追踪接收端口从OpenCensus标准的55678变更为OpenTelemetry标准的4317。这一变更反映了行业技术趋势的演进:
-
OpenTelemetry成为新标准:作为CNCF项目,OpenTelemetry正在成为云原生可观测性的事实标准,整合了原先分散的追踪、指标和日志收集方案。
-
更好的兼容性:4317端口是OpenTelemetry协议默认的gRPC接收端口,使用这一端口可以更好地与主流可观测性后端(如Jaeger、Zipkin等)集成。
-
简化配置:对于采用OpenTelemetry生态的用户,现在可以更简单地配置Linkerd的追踪功能,减少额外的端口映射配置。
需要注意的是,这一变更可能会影响现有部署。如果用户环境中仍在使用OpenCensus协议的收集器,需要在配置中明确指定55678端口以保持兼容。
其他改进与依赖更新
除了上述主要变更外,本次发布还包含多项依赖更新和内部改进:
- Helm客户端版本升级至3.17.3,带来更稳定的chart管理体验
- Rustls加密库更新至0.23.26版本,增强安全性
- Prometheus客户端库升级,改进指标收集性能
- 多项测试稳定性改进,特别是在多集群场景下的验证逻辑
这些底层更新虽然对终端用户透明,但为Linkerd的稳定运行提供了更好的基础。
升级建议
对于正在使用Linkerd edge版本的用户,建议按以下步骤进行升级:
- 备份现有配置,特别是自定义的追踪相关设置
- 更新CLI工具至25.4.3版本
- 使用新版CLI执行升级操作
- 如果使用追踪功能,验证收集器配置是否适配新的默认端口
对于生产环境用户,建议在测试环境中验证新版特性后再进行推广部署。虽然edge版本经过充分测试,但作为非长期支持版本,可能仍包含实验性功能。
Linkerd团队持续通过这种频繁的edge版本发布来收集用户反馈,不断优化产品功能和稳定性。本次发布的改进特别关注了用户体验和行业标准适配,体现了项目对开发者友好性和技术前瞻性的重视。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00