云原生日报 2026-10-28

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. Calico v3.32.3 发布:eBPF 数据面与 OpenStack 场景的大量修复

Calico v3.32.3 是一次集中修复补丁,涵盖 eBPF 数据面、OpenStack 集成和 Felix/Dikastes 策略引擎。值得注意的改动包括修复策略规则过多触发内核校验失败导致节点 NotReady、修正 eBPF NAT 表项污染造成 API Server 连接被负载均衡到错误后端,以及撤销一处会让 ArgoCD 判定策略永久 out-of-sync 的空 source/destination 抑制逻辑,同时把用户态策略评估提速 1.6–3.7 倍。 这批修复对已经在 eBPF 模式上跑 Calico 的团队价值很高,BPF conntrack 与 NAT 相关的问题往往表现为难以复现的偶发连接失败,排查成本远高于升级成本。那处撤销 ArgoCD 相关改动的回滚尤其值得注意——策略对象在 GitOps 流水线里出现持续 diff,通常第一反应是怀疑 ArgoCD 而不是上游实现,这类案例以后只会越来越多。 从发布性质看这是补丁版本而非功能版本,可以规划在常规维护窗口升级,但 eBPF 用户建议优先评估。需要提醒的是,Calico 官方 release note 仍指向仓库里的 markdown 文件,自动化抓取时必须跟进链接而不能只看 tag 标题。 🔧 工具:Calico | 📦 版本:v3.32.3 | 🏷️ 类别:网络 / CNI 🔗 https://github.com/projectcalico/calico/releases/tag/v3.32.3

2. cert-manager v1.21.3:移除对被攻陷 eMudhra CA 的信任

cert-manager v1.21.3 移除了对已被攻陷的 eMudhra CA 的信任,基础镜像不再内置 eSign ECC Root CA - G3,并升级到 Go 1.26.10 以拒绝途经被污染中间证书的证书链(CVE-2026-111943)。同时修复了 ACME ARI 续期死循环、Helm chart 代理变量未转义导致清单渲染失败等问题,并堵住了 requestmanager/issuing 控制器会从非本 Certificate 所属 Secret 复制私钥的权限提升路径(#9368)。 eMudhra CA 事件说明证书信任链的失效不再只是理论风险,凡是依赖外部 CA 签发证书的集群都应该做一次链校验和轮转演练,这个版本属于必须尽快跟进的类型。#9368 那个私钥复制漏洞在多租户集群里危害更直接——只要有主体能写 certificates/status 子资源,就能让控制器把任意同 namespace Secret 的私钥拷进自己的签发目标,属于典型的越权读取风险。 整体是补丁版本但官方明确写了 All users should upgrade,国内团队若用 cert-manager 管理 Let's Encrypt 或内部 CA 证书,建议本周内安排滚动升级,不必等下一次大版本。 🔧 工具:cert-manager | 📦 版本:v1.21.3 | 🏷️ 类别:安全合规 / 证书 🔗 https://github.com/cert-manager/cert-manager/releases/tag/v1.21.3

3. Flux v2.10.0:Object Identity GA、SPIFFE mTLS 与 OCIRepository 接入 HelmRelease

Flux v2.10.0 是功能版本,object identity 正式 GA 并 retire 了 ObjectLevelWorkloadIdentity 特性开关,控制器之间开始支持 SPIFFE mTLS,同时 Notification 的 Event/Alert/Provider API 提升到 v1。镜像更新侧新增 .spec.policyChangeDelay 批量更新、推送被拒自动重试与 .Changed.Summary,ArtifactGenerator 支持跨 namespace 制品、租户 namespace 自动化创建与路径模式发现,HelmRelease 也可直接使用 OCIRepository 作为 chart 源。 这一版把 Flux 的重心明显推向供应链身份与自动化:object identity GA 加上控制器间 SPIFFE mTLS,等于给 GitOps 流水线补上了可验证的执行身份,这是多集群共享同一套 controller 的团队真正需要的底座。镜像更新批量与推送重试是解决 CI 雪崩的实操功能,配合 .Changed.Summary 可以把变更范围写回 PR 而不必靠人工比对。 升级前必须注意那个破坏性变更:默认 Flux RBAC 不再授予 serviceaccounts/token 的 create 权限,依赖默认 RBAC 的集群要先补 ClusterRole 绑定再升级,否则 controller 会直接失去拉取镜像的权限。考虑到官方只支持最新三个 Kubernetes 小版本(1.35–1.37),有长期支持诉求的团队应该评估商业发行版路线而不是硬扛社区版。 🔧 工具:Flux | 📦 版本:v2.10.0 | 🏷️ 类别:GitOps / 打包 🔗 https://github.com/fluxcd/flux2/releases/tag/v2.10.0

📖 教程推荐

1. Scaling Long-Running AI Agents:LangGraph + KEDA 在 Kubernetes 上跑异步 Worker

文章针对 Lambda 15 分钟执行上限与长连接契约不适合长时 AI Agent 的问题,给出 API Gateway + Lambda 入队 + SQS + KEDA ScaledObject + EKS worker 部署 + LangGraph 的异步架构,worker 用 PostgresSaver 做检查点并以 thread_id=job_id 实现断点续跑。KEDA 按 SQS 队列长度而非 CPU 扩缩容(minReplica 0、maxReplica 20、queueLength 5、pollingInterval 15s、cooldownPeriod 60s),并强调死信队列、按租户的成本归属日志,以及 SQS at-least-once 语义下外部副作用必须自己做幂等键。 这是目前把 AI Agent 落到 K8s 上最完整的一份落地参考,关键设计点是 thread_id 与 job_id 对齐加上 Postgres 检查点,Pod 被抢占或 OOM 后新副本能续跑而不是从头再来。KEDA 选队列深度而非 CPU 作为信号非常正确,这类 worker 大部分时间在等模型响应,用 HPA 的 CPU 指标扩缩容基本无效。 文中点出的 at-least-once 陷阱是实践中最容易翻车的地方——检查点保护的是图状态,不是发邮件、写第三方系统这类外部副作用,工具调用层必须自己补幂等键。参数取值也很实用,cooldownPeriod 太短导致的 scale-to-zero 抖动在真实流量下会明显拖慢响应。唯一的局限是示例绑定 AWS 生态(SQS/DynamoDB/IRSA/Bedrock),但换成 Kafka 加外部 scaler 后整体模式可以直接平移到自建集群。 🔗 https://medium.com/@othman.bricha/scaling-long-running-ai-agents-async-workers-on-kubernetes-with-langgraph-and-keda-e4d09555969d

2. Managing Hundreds of Kubernetes Overlays at Scale with Kustomize

文章复盘了一套零售平台在 10 个门店、每店 6 台左右自助终端规模下用 Kustomize 管理数百个 overlay 的结构设计:base 层保持环境无关,门店层承载镜像 tag、NAS 地址与 NodePort 等共享差异,终端层用 nameSuffix 与 configMapGenerator merge 保证资源名唯一且只声明差异字段。存储选型上对比了 NFS(soft mount + nfsvers 4.1)、带 nodeAffinity 的本地 PV、CSI 驱动动态供给和仅供开发的 HostPath,并给出 kubectl kustomize 本地渲染加 apply --dry-run=server 的双重校验以及四个高频坑。 这篇的价值在于它讨论的规模问题正是很多平台团队迟早会撞上的——从两套环境到几百个 overlay,真正难的不是语法而是分层纪律:作者用终端层每个 overlay 只留两个文件的硬约束来逼迫差异下沉或上浮,这个规则比任何模板都实用。CSI 路径能彻底消灭每个 overlay 的 pv-patch 文件,是最干净的做法,但大量存量门店还在用 NAS 的现实也说明迁移不是一蹴而就。 文中列出的四个坑每一个都对应过真实的线上事故,尤其是漏写 nameSuffix 导致第二个 apply 静默覆盖第一个 Deployment,属于典型的静默数据事故。相比 Helm chart 模板,Kustomize 在这种大规模差异化场景下的声明式表达能力更合适,但当终端数量继续增长时,仓库的目录组织和 PR 评审流程会成为新的瓶颈,值得提前规划批量生成与校验的自动化。 🔗 https://medium.com/@devisonallushi/managing-hundreds-of-kubernetes-overlays-at-scale-with-kustomize-056f76bc4b16


以上内容均已附原文链接,欢迎留言交流你的看法 💬