至顶网软件频道消息:如果你正在生产中使用容器的话,你就会知道你需要一个DevOps工具来管理这些容器。对于很多企业来说,Kubernetes就是这个工具。这个快速发展的、开源的、容器编排的工具包刚刚升级到了Kubernetes 1.7版本,而这距离开发者们发布Kubernetes 1.6版本仅有3个多月的时间。
你还没有听说过Kubernetes?马上你就会知道了。Linux基金会高级PR经理Natasha Woods问:“Wink、Ancestry.com、Box、Buffer、GolfNow以及Ticketmaster之间的共同点是什么?是其运行基础设施的方式。就像是巨头Google一样,这些企业正在采用容器编排技术Kubernetes。”
除了这些企业之外,Red Hat、Oracle、IBM和微软等等,都投资了Kubernetes。在所有这些重要的云厂商之中,只有AWS还在观望。这并不意外。除了技术优势之外,这些厂商还在利用Kubernetes来尝试打破AWS在云领域的统治地位。
这次升级的新版本增加了安全性、存储和扩展功能,让这个DevOps程序更加适合于企业级客户。CoreOS的Kubernetes开发技术负责人Luis Pabón在博客中写道,这次推出的新版本不止是增加了机箱新功能,而是“持续构建新的接口,让Kubernetes更加扩展,有更可靠的核心……最终,它的目标是让开发者可以基于一个稳定的、功能完善的、核心Kubernetes系统上开发新的功能,可以按需地添加新功能。”
为了改善Kubernetes扩展性,Kubernetes 1.7版本增加了两个新功能:首先是运行时的API聚合,这使得高级用户能够向他们的集群中增加Kubernetes类型的预构建、第三方或者用户创建的API。
另外一个是Container Runtime Interface(CRI),这通过新的远程过程调用(RPC)调用已经得到了增强。CRI Validation测试已经发布,支持基本的生命周期和图像管理功能的Alpha容器集成现在也已经提供。
其他方面的改进还包括:
安全性:
- Network Policy API改进到比较稳定。通过一个网络插件实施网络策略,这让用户可以设置和强制执行规则,管理哪些Pod可以彼此之间进行通信
- 新增了节点授权工具和管理控制插件,限制Kubelet对隐私、Pod和其他对象的访问
- Encryption for Secrets,以及其他在etcd中的资源,现在也已经在测试中
- Kubelet TLS引导现在支持客户端和服务器认证轮换
- 审核API服务器保存的日志,现在这一功能更加定制化,可以扩展支持事件过滤和Webhooks,这些都为系统审核提供了更加丰富的数据。
状态工作负载:
- StatefulSet Updates现在是1.7版本中的一个新测试功能,可以实现对状态应用(例如Kafka、Zookeeper以及etcd)的自动更新,使用一系列更新策略,包括滚动更新
- StatefulSets现在支持通过Pod Management Policy更快速的伸缩和启动,针对那些不要求订购的应用,这可以大大提升性能
- Local Storage (alpha)是状态应用经常请求的功能。现在用户可以通过标准PVC/PV接口,以及通过StatefulSets中的StorageClasses访问本地存储卷
- DaemonSets可以为每个节点创建一个以及有更新功能的Pod,在1.7版本中增加了智能回滚和历史记录功能。
- 新的StorageOS Volume插件提供了高可用性、集群范围的永久卷,来自本地或者附加节点存储。
最后有两个Alpha版本功能
- 外部准入控制器,提供了可以把定制业务逻辑添加到API服务器,在对象创建和验证策略的时候改变对象
- 基于策略的Federated Resource Placement,为联合资源提供了安置策略,基于定制要求例如监管、定价或者性能。
基于所有这些功能,对于那些已经承诺使用容器的企业来说,他们有更加充分的理由去管理他们的现代化云应用。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。