PI-Hole Exporter v1.0.0发布:全面支持PI-Hole v6的监控解决方案
PI-Hole Exporter是一个专门为PI-Hole广告拦截系统设计的Prometheus导出器,它能够将PI-Hole的运行指标转换为Prometheus可识别的格式,方便用户通过Grafana等可视化工具监控PI-Hole的运行状态。最新发布的v1.0.0版本带来了对PI-Hole v6的全面支持,标志着该项目进入了一个新的成熟阶段。
核心升级:PI-Hole v6 API适配
v1.0.0版本最重要的改进是完成了对PI-Hole v6 API的适配。随着PI-Hole v6的发布,其API接口发生了显著变化,这要求Exporter进行相应的调整。开发团队重构了代码基础,确保与新版API的兼容性,同时保持了向后兼容性,使得用户无论使用哪个版本的PI-Hole都能获得稳定的监控体验。
新增监控指标
本次更新引入了两个重要的新指标,进一步丰富了监控维度:
-
queries_last_10min:显示过去10分钟内的查询数量,为用户提供更细粒度的时间窗口来观察查询流量变化。
-
ads_last_10min:记录过去10分钟内的广告拦截数量,与查询指标配合使用,可以更准确地评估广告拦截效果随时间的变化。
这些新指标特别适合用于短期流量突发的监控场景,弥补了原有指标主要集中在长期统计的不足。
安全性与稳定性增强
在安全方面,v1.0.0修复了认证过程中可能出现的panic问题,提高了服务的健壮性。同时,项目持续更新依赖库,包括升级到Golang 1.21.5和最新的Prometheus客户端库v1.20.5,确保基础组件的安全性和性能。
配置灵活性提升
新版本增加了多项配置选项,提高了部署的灵活性:
- 支持绑定到特定网络接口,在多网卡环境下更精确地控制服务暴露方式。
- 可配置的管理上下文路径,适应不同的反向代理部署场景。
- 简化的Docker Compose配置,降低容器化部署的复杂度。
开发者生态与社区贡献
v1.0.0版本凝聚了社区的力量,共有10位新贡献者加入了项目开发。从依赖更新到功能改进,从文档完善到错误修复,社区成员的积极参与推动了项目的快速发展。特别值得一提的是,项目持续保持依赖库的及时更新,通过自动化工具确保依赖安全性。
监控面板改进
配套的Grafana监控面板也进行了现代化改造,适配新版Grafana的特性和界面风格。更新后的面板不仅视觉效果更佳,还整合了新加入的10分钟级指标,为用户提供更全面的数据视角。
总结
PI-Hole Exporter v1.0.0是一个里程碑式的版本,它不仅跟上了PI-Hole核心项目的发展步伐,还通过新增指标和配置选项提升了监控能力。对于已经使用或计划使用PI-Hole的企业和个人用户来说,这个版本提供了更可靠、更全面的监控解决方案,是监控基础设施升级的理想选择。项目团队对质量的坚持和社区的活跃参与,预示着PI-Hole Exporter将持续为广告拦截监控领域带来创新和价值。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00