NATS.py 2.10.0版本发布:消息队列与流处理的增强
项目简介
NATS.py是NATS消息系统的Python客户端实现。NATS是一个高性能的开源消息系统,专注于简单性、性能和可扩展性。它广泛应用于微服务架构、物联网(IoT)系统和实时数据处理场景。NATS.py提供了与NATS服务器交互的Python接口,支持发布/订阅模式、请求/响应模式以及JetStream持久化功能。
2.10.0版本核心更新
键值存储(KV)功能增强
新版本为键值存储桶引入了KeysWithFilters方法,允许开发者对存储的键进行过滤查询。这一功能特别适用于需要按特定前缀或模式检索键的场景。例如,开发者可以轻松获取所有以"hello"或"greet"开头的键,而无需获取整个键列表再进行本地过滤。
流配置选项扩展
StreamConfig现在支持discard_new_per_subject参数,这是一个重要的流处理策略增强。当与max_msgs_per_subject配合使用时,可以实现基于主题的消息丢弃策略,确保每个主题只保留最新或最旧的消息。这在需要限制每个主题消息数量的场景下特别有用。
用户体验改进
-
凭证路径处理增强:现在支持
pathlib.Path类型作为用户凭证路径参数,使文件路径处理更加灵活和Pythonic。 -
消息确认状态检查:新增的
is_acked属性允许开发者直接检查消息是否已被确认,简化了消息状态跟踪逻辑。 -
时区感知的日期时间处理:改进了时间戳处理,确保所有时间相关操作都考虑时区信息,避免了潜在的时区混淆问题。
关键问题修复
-
批量获取超时处理:修复了在使用
no_wait=True进行批量获取时,REQUEST_TIMEOUT状态码处理不正确的问题。 -
隐式订阅创建:修正了
deliver_subject在隐式订阅创建过程中的行为,确保消息投递更加可靠。 -
连接稳定性:解决了可能导致flusher任务停止运行的问题,提高了客户端与服务器通信的稳定性。
-
服务启动时间:确保服务启动时间统一使用UTC时间,避免了时区不一致导致的问题。
-
服务器发现回调:修复了服务器发现回调未被正确等待的问题,改进了服务器自动发现的可靠性。
技术细节优化
-
流名称验证:在
add_stream方法中添加了流名称验证,防止无效名称导致的意外错误。 -
服务器版本处理:改进了服务器版本号的语义化版本(semver)处理逻辑,使版本比较和特性检测更加准确。
-
类型提示完善:增强了
JetStreamContext.publish方法的类型提示,提高了代码静态分析的准确性。
应用场景建议
这些更新使得NATS.py在以下场景中表现更佳:
-
微服务通信:改进的KV存储和流处理能力使服务间通信更加灵活可靠。
-
实时数据处理:增强的流配置选项为高吞吐量数据流提供了更好的控制能力。
-
分布式系统:连接稳定性和服务器发现机制的改进提升了分布式环境下的可靠性。
-
监控和日志系统:时区感知的时间处理和消息状态跟踪简化了监控系统的实现。
升级建议
对于现有用户,建议评估以下方面后升级:
- 检查是否使用了本次修复的问题相关功能
- 评估新功能是否能优化现有实现
- 测试时区相关功能是否受影响
- 验证自定义的服务器发现逻辑是否兼容新版本
2.10.0版本通过功能增强和问题修复,进一步提升了NATS.py在Python生态系统中的消息处理能力和开发体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00