云原生日报 2026-11-19
早上好,各位技术同学 ☕ 今天这批更新质量不错:网络侧一个安全补丁、虚拟化平台一个 GA、可观测性一个集中修洞的补丁版,再加两篇能直接照着做的实践。
🔥 云原生热点
1. Cilium v1.20.5:修掉一个 egress 策略绕过,L7 代理监听也拆开了
Cilium v1.20.5 是针对 1.20 分支的补丁版本,修掉了一批 datapath 与策略层的问题。其中最关键的是 egress 策略里 toServices 与 toPorts 组合使用时,若引用的 Service 不存在或选择器无后端,规则会退化成「这些端口上允许任何目的地」,等于策略被静默放开。
这个 bug 的性质是安全边界失效而不是功能缺陷,跑 Cilium 做出口管控的集群应该把升级排进本周窗口。同版本另外两个改动也很实用:L7 redirect ID 现在带上 parser 类型,同一 endpoint 同端口的 http 与 tls 规则会使用独立的 Envoy 监听器,之前混用会互相干扰;loadbalancer 侧新增了 ID allocator 容量与使用率指标,Service 数量接近上限时终于能提前告警,而不是等分配失败才发现。
🔗 https://github.com/cilium/cilium/releases/tag/v1.20.5
🔧 工具:Cilium | 📦 版本:v1.20.5 | 🏷️ 类别:网络 / 服务网格
2. KubeVirt v1.10.0 GA:增量备份进 Beta,OCI 导出变成标准镜像索引
KubeVirt v1.10.0 正式发布,包含 1761 个变更、104 位贡献者。这一版把 IncrementalBackup 推进到 Beta 并引入 backup.kubevirt.io/v1beta1,CBT overlay 改为按 volume 与 PVC 名索引,指向不同 PVC 时自动降级为全量备份而不是给出错误的增量。
另外几处值得注意:导出的 OCI 归档现在包含 Image Index 并作为 index.json 引用,推到 registry 后是标准多架构镜像,能被常规镜像仓库与扫描工具直接消费;UtilityVolumes 特性门升到 Beta 默认开启,内存 dump 以工具卷形式挂载,快照和导出不再把 dump PVC 卷进去;ARM64 上加了 Alpha 的 UEFI Secure Boot。升级有个坑要提前知道:CRD 已经超过 256 KiB annotation 上限,kubevirt-operator.yaml 必须用 kubectl apply --server-side 安装,客户端 apply 会直接失败。
对在 K8s 上跑虚拟机替代 VMware 的团队,这一版的备份链路(增量 + 离线增量 + 按卷粒度类型上报)基本补齐了生产可用性。
🔗 https://github.com/kubevirt/kubevirt/releases/tag/v1.10.0
🔧 工具:KubeVirt | 📦 版本:v1.10.0 | 🏷️ 类别:平台 / 虚拟化
3. Grafana 13.3.1:一次修 6 个 CVE,外加 2026 时区数据更新
Grafana 13.3.1 是安全补丁版本,一次性修复 CVE-2026-102589、107509、110992、111024、13721、14242 共 6 个漏洞。功能侧改了两处:DateTime 更新 moment-timezone 与 easy-tz 以适配 2026 年的时区变更,Provisioning 允许 connection-backed repository 在同主机上修改 URL。
Grafana 是很多团队对外也开着的面板入口,这种一次带 6 个 CVE 的补丁版不建议拖,尤其是暴露在公网或接了匿名访问的实例。时区那一条对做跨区值班和定时报表的团队更实际——2026 年的时区规则变更如果不跟着升,面板上跨时区的时间轴会静默偏移,排查起来非常费时间。
顺带提一句版本线:13.0/13.1/13.2/12.4 分支同期都有补丁,长期停在旧大版本的话至少把对应分支的安全版装上。
🔗 https://github.com/grafana/grafana/releases/tag/v13.3.1
🔧 工具:Grafana | 📦 版本:v13.3.1 | 🏷️ 类别:可观测性
📖 教程推荐
1. CNCF:AI 训练的 gang scheduling 与拓扑感知调度该怎么落
这篇 CNCF 博客(作者来自 Datadog)解释为什么 K8s 默认调度器不适合分布式 AI 训练:它逐个独立调度 Pod,而训练任务要求 Pod 落在 inter-GPU 带宽合适的硬件上、并且必须同时启动。文章用 Kueue 与 scheduler-plugins 的 Coscheduling 插件分别实现拓扑感知调度(TAS)和 gang scheduling,并给出验证方法。
价值在于把「GPU 利用率低」这个笼统抱怨拆成了两个可测量的调度问题:部分启动导致 GPU 被占着空转,以及 Pod 落点跨了 NUMA/机架导致集合通信变慢。文中的验证思路可以直接搬进自己的集群做 benchmark,比看厂商 PPT 有用。
如果团队正在上 Kueue,这篇可以作为 TAS 落地前的设计参考;如果只是偶尔跑单机推理,暂时不用引入这层复杂度。
2. 用 agentgateway 把 LiteLLM 换成云原生 LLM 网关
作者长期用 LiteLLM 做多模型统一入口,但在 Kubernetes 里它始终像一个跑在容器里的 Python 应用:没有 Gateway API、没有 CRD、策略无法挂到路由上、也不默认输出 OTel trace。文章用 agentgateway 复刻了 LiteLLM 的核心能力,模型接入用 AgentgatewayBackend 与 HTTPRoute,预算、限流、guardrail、tracing 统一由 AgentgatewayPolicy 以 K8s 资源形式挂载。
这是把「LLM 网关」这件事从应用配置拉回平台层治理的典型做法:限流和预算变成可 review 的 YAML,trace 走 OTel 原生对接,指标直接在 :15020/metrics 暴露 gen_ai_* 序列。文章配套的 agentgateway-playground 用 httpbun 做 mock 后端,本地不用 API key 就能跑通五个用例,动手成本很低。
对已经在用 Gateway API 做南北向流量的团队,迁移路径比想象中短;但要注意 agentgateway 生态仍偏早期,guardrail 的规则表达能力跟 LiteLLM 那些现成插件比还有差距。
以上内容均已附原文链接,欢迎留言交流你的看法 💬