eks-distro - Amazon EKS Distro (EKS-D) 是一种基于 Amazon Elastic Kubernetes Service (EKS) 并由其使用的 Kubernetes 发行版，用于创建可靠且安全的 Kubernetes 集群。
Created at: 2020-11-18 04:58:51
Language: Shell
License: Apache-2.0
EKS 发行版存储库
| 释放 | 开发构建状态 |
|---|---|
| 1-18 |  |
| 1-19 |  |
| 1-20 |  |
| 1-21 |  |
Amazon EKS Distro (EKS-D) 是一种基于 Amazon Elastic Kubernetes Service (EKS) 并由其使用的 Kubernetes 发行版，用于创建可靠且安全的 Kubernetes 集群。借助 EKS-D，你可以依赖 Amazon EKS 部署的相同版本的 Kubernetes 及其依赖项。这包括最新的上游更新，以及扩展的安全补丁支持。EKS-D 遵循与 Amazon EKS 相同的 Kubernetes 版本发布周期，我们在此处提供相关信息。EKS-D 提供的软件与在 Amazon EKS 上启用数万个 Kubernetes 集群的软件相同。
此 GitHub 存储库包含从源代码构建构成 EKS 发行版的组件所需的一切。
发布
可以在https://distro.eks.amazonaws.com上找到发布的完整文档。
要接收有关新 EKS-D 版本的通知，请订阅 EKS-D 更新 SNS 主题：
arn:aws:sns:us-east-1:379412251201:eks-distro-updates
Kubernetes 1-21
| 释放 | 显现 |
|---|---|
| 5 | kubernetes-1-21-eks-5 |
Kubernetes 1-20
| 释放 | 显现 |
|---|---|
| 7 | kubernetes-1-20-eks-7 |
Kubernetes 1-19
| 释放 | 显现 |
|---|---|
| 10 | kubernetes-1-19-eks-10 |
Kubernetes 1-18
| 释放 | 显现 |
|---|---|
| 11 | kubernetes-1-18-eks-11 |
发展
该EKS发行版是使用内置 船头，在Kubernetes CI / CD系统。EKS 运行 Prow 的安装，可在https://prow.eks.amazonaws.com/上看到。在提出拉取请求之前，请阅读我们的 贡献指南。
要在本地构建 EKS Distro，请参阅本地构建指南。
安全
如果你发现此项目中存在潜在的安全问题，或者认为你可能发现了安全问题，我们要求你通过我们的漏洞报告页面通知 AWS 安全 。请不要 不创建一个公共GitHub的问题。
授权协议
这个项目是在Apache-2.0 许可下获得许可的。
热门帖子
10
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13