WildFly 35.0.1.Final 版本发布:企业级Java应用服务器的关键更新
项目简介
WildFly是一个开源的、轻量级的、符合Java EE/Jakarta EE规范的应用服务器,由Red Hat主导开发。作为企业级Java应用部署的核心平台,WildFly以其模块化架构、快速启动时间和低内存占用著称,是构建现代Java应用程序的理想选择。
版本亮点
WildFly 35.0.1.Final是一个维护版本,主要解决了前版本中的关键问题并进行了多项组件升级。这个版本在事务处理、消息系统和依赖管理等方面进行了重要改进,提升了系统的稳定性和安全性。
关键修复与改进
事务处理优化
本次版本修复了一个在多线程环境下可能出现的空指针异常问题。当多个线程同时操作事务时,一个线程正在提交事务而另一个线程尝试进行恢复操作时,系统可能会出现NPE异常。这个修复确保了在高并发场景下事务处理的稳定性,对于金融交易等关键业务场景尤为重要。
消息系统增强
CLI命令"server=name:import-journal"在Java 17环境下运行时出现的"NoClassDefFoundError"问题得到了解决。这个修复使得在最新Java版本中使用消息子系统更加顺畅,特别是对于需要导入消息日志的管理操作。
依赖管理改进
WeldDeploymentProcessor中模块标识符处理不当的问题被修复,这影响了依赖注入和CDI功能的正确性。改进后,模块间的依赖关系将更加准确地被识别和处理,减少了因依赖问题导致的部署失败。
重要组件升级
WildFly 35.0.1.Final包含了多项核心组件的版本升级:
- WildFly Core升级至27.0.1.Final版本,带来了底层基础设施的改进
- Narayana事务管理器升级到7.2.0.Final,增强了事务处理能力
- Infinispan缓存系统升级至15.0.13.Final,提升了分布式缓存性能
- RESTEasy MicroProfile升级到3.0.1.Final,改进了RESTful服务支持
- HAL管理控制台升级到3.7.8.Final,优化了管理界面体验
安全增强
版本中特别处理了CVE-2024-4109安全漏洞报告,经过评估确认该问题不构成实际安全威胁。此外,通过升级多个依赖组件,间接提升了系统的整体安全性。
开发者工具改进
- 移除了过时的XercesUsageTestCase测试用例,简化了测试套件
- 改进了MicroProfile认证脚本,更好地支持Telemetry TCK处理
- 确保MP REST Client TCK能够在安全管理器环境下运行
总结
WildFly 35.0.1.Final作为一个维护版本,虽然没有引入重大新功能,但对系统的稳定性、安全性和兼容性进行了全面加强。特别是对Java 17环境的更好支持,以及对事务处理和消息系统的关键修复,使得这个版本成为生产环境升级的推荐选择。开发团队可以放心地将应用部署到这个版本上,享受更稳定可靠的运行环境。
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