云原生日报 2026-10-19
早上好,各位技术同学 ☕ 今天为大家精选了云原生领域的最新动态和几篇干货教程,一起看看 👇
🔥 云原生热点
1. Cilium v1.20.3
这是 Cilium 1.20 系列的 patch 版本,重点修复了 conntrack GC 在删除 CT 条目时与 datapath 重开连接的竞态、agent 启动时因空 MAC 字段导致的崩溃,以及 iptables chain rename 错误被静默忽略等问题。Minor 变更中加入了阿里云 IMDSv2 实例元数据访问支持,同时修复了 CiliumLocalRedirectPolicy 在 toPorts 为空数组时的 panic 缺陷。 该版本属于典型的 backport 修复 release,对生产集群稳定性意义重大。在大规模生产环境中,conntrack GC 与 datapath 之间的 race condition 是导致现连接 SNAT 端口重分配、长连接闪断的常见根因之一;Azure MAC 空字段崩溃和 L7 DNS policy 在 agent 重启期间残留则都是隐蔽但致命的稳定性问题。建议升级前先在 staging 集群验证 Envoy listener address 变更与 ADS snapshot coalesce 的修复,尤其在多层 Gateway API ExternalAuth 链路里,避免 body dropping 回归。 🔗 https://github.com/cilium/cilium/releases/tag/v1.20.3
2. Karpenter v1.15.0
Karpenter v1.15.0 引入了多项关键能力:新增 VPA 预测控制器与 store、DRA prioritized alternatives 支持、pod topology spread awareness 默认开启以及 node repair 作为 voluntary disruption。metrics 层面扩展了 karpenter_pods_disrupted_total 计数器、consolidation_policy/termination_mode 维度标签,并将 disruption 决策维度拆分为 command/approval 两个独立维度。 这一版本是 Karpenter 在 1.x 路线上的能力完善节点,DRA prioritized alternatives 与 VPA 预测意味着 Karpenter 将更深度地参与 GPU/异构调度和资源预测场景。pod topology spread 默认开启和 volume limit 感知对国内多 AZ 部署的稳定性是直接利好;将 capacity constrained nodepool 的 drift 优先 terminate 也减少了"先到先死"的痛点。建议生产团队重点验证 disruption metric 拆分后告警规则是否同步改造,因为 command vs approval 维度的语义变化意味着既有面板可能失真。同时跟进 VPA 预测 API 与 metrics-server 的资源竞争,防止 HPA 在 VPA 推荐周期内被反复 trigger。 🔗 https://github.com/kubernetes-sigs/karpenter/releases/tag/v1.15.0
3. HashiCorp Vault v2.2.0
Vault v2.2.0 是一次包含多项 breaking change 与安全加固的大版本:容器镜像移除了 cap_ipc_lock 能力并删除了 gnupg/openssl/procps 包,同时 PostgreSQL 存储认证优先使用 Azure Workload Identity 而非 Managed Identity。安全侧修复了多条 ACL 绕过、AWS 客户端缓存导致的鉴权绕过以及 ACME sign-verbatim 在包含非 DNS/IP SAN 时的乱发证书问题。 对国内落地而言,移除 cap_ipc_lock 与容器镜像最小化是符合合规趋势的正向改动,但务必同步在 Vault 配置中设置 disable_mlock = true 并在宿主层面禁用 swap,否则重启后 secret encryption key 会落盘。ACME 默认 sign-verbatim 拒绝 URI/email/Other SAN 是 PKI 收紧的明确信号,使用自建 ACME 签发证书的团队需要审视现有 CSR 模板。建议先在 dev 环境验证 PostgreSQL 存储后端的认证迁移路径,避免托管了 Managed Identity 的旧集群在升级窗口内突然掉线。ACL 大小写规范化修复意味着既有策略审计脚本需要重新跑一遍 discover,policy name canonicalization 旁路修复也提示 SRE 团队需补一轮手工渗透。 🔗 https://github.com/hashicorp/vault/releases/tag/v2.2.0
📖 教程推荐
1. Serving LLMs at Scale: KServe + KEDA + vLLM + Kubernetes
文章系统介绍了在 Kubernetes 上规模化部署 LLM 推理服务的全栈方案,核心组件包括 KServe 作为 AI Serving 控制平面管理 InferenceService 生命周期、vLLM 利用 PagedAttention 实现高性能推理引擎、KEDA 替代 HPA 基于请求队列深度/token 吞吐量/TTFT 等事件驱动指标进行 proactive 扩缩容。文章剖析了为何 GPU VM 与裸 Kubernetes 都不足以应对生产 LLM 平台需求,以及如何通过 KServe 的路由/网络切流能力实现蓝绿和灰度发布。 文章对 KEDA vs HPA 的边界讲得清晰:HPA 看 CPU 内存,KEDA 看真实业务信号,这是国内大多数团队从传统微服务切入 LLM 推理时最容易踩坑的认知盲点。vLLM + PagedAttention 是当前开源推理的事实标准,单 GPU 单实例吞吐领先 Triton/TGI 至少一档。对国内工程团队的落地启示是:先在 KEDA 上把 scale-to-zero 做扎实,再考虑跨节点张量并行;KServe 的 InferenceService CRD 抽象相比裸 Deployment 显著降低了多模型团队协作的认知成本。v1 vs v2beta CRD 的迁移和 transformer 组件在 K8s 1.27+ 的兼容性问题需要在 PoC 阶段验证,生产侧尤其要关注 model warm-up 与 KV cache 命中率监控。 🔗 https://medium.com/@sowmithdurusoju/serving-llms-at-scale-a-practical-guide-with-kserve-keda-vllm-kubernetes-e93ba6b1a65e
2. Automated Promotion Pipeline with Argo CD, Argo Rollouts, and GitHub Actions
文章给出基于 Argo CD + Argo Rollouts + GitHub Actions 的端到端环境晋升流水线,覆盖 PR Preview / Development / Staging / Production 四套环境并各自匹配不同部署策略。Dev 采用蓝绿、Staging/Prod 采用 canary + 自动晋升,并通过 PR 上的 preview 标签机制实现按需 ephemeral 环境创建以节约资源,整体强调审计、回滚与渐进式交付的安全闭环。 这套架构的核心亮点在于把 progressive delivery 风险分层:PR 预览环境用 on-demand ephemeral 解决"每个 PR 都跑一遍环境"的成本问题,是国内中大型研发团队普遍欠缺的实践。蓝绿与 canary 的环境对应划分(dev=蓝绿、staging/prod=canary)与 Argo Rollouts 的 TrafficRouting 能力(nginx/ALB/Contour)天然契合,GitHub Actions 串起 build→manifest patch→AnalysisTemplate 触发可形成完整 audit trail。建议落地时首先统一 Argo CD ApplicationSet 模板与 Kustomize overlay 目录约定,再把 preview 环境的自动 TTL 清理做成 GitOps 控制器,避免孤立 namespace 累积把集群拖垮。AnalysisTemplate 指标落地与 Prometheus 指标语义对齐是另一个易被忽略的坑,务必先行定义 SLO 指标字典再写模板。 🔗 https://medium.com/@nsalexamy/automated-promotion-pipeline-with-argo-cd-argo-rollouts-and-github-actions-4f7ca9b4f1cc
以上内容均已附原文链接,欢迎留言交流你的看法 💬