红帽公司旗下混合云应用平台 Red Hat OpenShift 4.22 现已正式发布。此次更新聚焦于削减云基础设施成本、简化虚拟化工作负载的运维管理，以及加强敏感数据安全防护。
该版本于7月14日对外公布，红帽表示，OpenShift 4.22 持续夯实平台安全基础，以满足日益严格的合规标准，同时帮助降低合规管理与风险缓解所需的人工投入。此次引入的精简版红帽通用基础镜像（UBI）通过剔除非必要软件包，有效缩减了整体攻击面。借助 Red Hat OpenShift 沙箱容器 1.12，OpenShift 4.22 还将裸金属环境下的机密容器支持正式推向通用可用阶段。
在 AI 安全方面，OpenShift 4.22 以技术预览形式引入了机密 AI 功能。红帽介绍，该功能允许企业将高度敏感的工作负载与专有 AI 算法隔离运行于经过密码学隔离的内存与 CPU 区域之中，即便在运行时执行阶段也能保障数据隐私。
OpenShift 4.22 同时带来了 Red Hat OpenShift 虚拟化方面的多项新能力。新增的以太网虚拟专用网络与用户自定义网络集成，使团队能够将容器化与虚拟化工作负载接入外部基础设施。卷组功能现已支持对虚拟机执行多卷快照，提供崩溃一致性备份机制，从而简化灾难恢复流程。此外，引入围栏机制的双节点 OpenShift 部署模式，为资源受限的边缘环境提供了高弹性、低资源消耗的选项。
在平台能力优化方面，OpenShift 4.22 新增了多项旨在提升资源利用率、降低运维开销的功能。基于开源自动扩缩容工具 Karpenter 的红帽构建版本，现已在托管控制平面的 Red Hat OpenShift Service on AWS 上正式可用，可为 Kubernetes 集群智能匹配合适规格的计算实例。与此同时，在托管控制平面的 Red Hat OpenShift Service on AWS 上运行的用户，现可将 AWS EC2 竞价实例集成至容错工作负载中，从而进一步降低使用成本。
此外，OpenShift 4.22 还引入了 JobSet 算子，用于简化大规模分布式训练任务与大语言模型微调流程。该框架可将多个相关作业作为单一单元进行统一调度，最大化昂贵 GPU 算力的使用效率。
Q&A
Q1：Red Hat OpenShift 4.22 的机密 AI 功能是什么？
A：机密 AI 是 OpenShift 4.22 以技术预览形式推出的新功能，允许企业将高度敏感的工作负载和专有 AI 算法隔离运行在经过密码学隔离的内存与 CPU 区域中，即使在运行时执行阶段也能保障数据隐私，适合对数据安全要求极高的行业场景。
Q2：OpenShift 4.22 如何帮助降低云基础设施成本？
A：OpenShift 4.22 提供了两项主要的降本手段：一是集成了基于 Karpenter 的自动扩缩容能力，可为 Kubernetes 集群智能匹配合适规格的计算实例，避免资源浪费；二是支持将 AWS EC2 竞价实例用于容错工作负载，利用竞价实例的价格优势显著降低云计算开销。
Q3：OpenShift 4.22 的 JobSet 算子对大语言模型训练有什么帮助？
A：JobSet 算子专为大规模分布式训练和大语言模型微调场景设计，能够将多个相关作业作为一个整体单元进行统一协调调度，从而最大化 GPU 算力的利用效率，减少资源闲置，降低大模型训练的时间和成本。
