VerneMQ 2.1.0-rc1发布:MQTT代理的重要更新与优化
VerneMQ是一个高性能、分布式的MQTT消息代理,专为物联网和关键业务应用设计。它支持MQTT 3.1、3.1.1和5.0协议,提供集群功能、水平扩展能力和丰富的插件系统。VerneMQ以其可靠性、可扩展性和灵活性在工业物联网、车联网等领域得到广泛应用。
核心更新内容
元数据存储格式变更
本次2.1.0-rc1版本引入了一个重要的不兼容变更——元数据存储的磁盘格式发生了变化。这意味着从旧版本升级时需要特别注意数据迁移问题。这种格式变更通常是为了支持新的功能或提高存储效率,建议用户在测试环境中充分验证升级过程。
安全与协议处理增强
-
SSL配置优化:MySQL2插件现在默认将SSL设置为'off',这为数据库连接提供了更安全的默认配置。同时,MongoDB的SSL选项也得到了扩展,支持更多安全连接参数。
-
数据包大小检查强化:解析器中增加了对max_packet_size的更严格检查,防止恶意或异常的大数据包导致系统资源耗尽。
-
UTF-8验证改进:在ensure_utf8函数中增加了NULL检查,提高了对客户端输入数据的健壮性处理能力。
订阅管理改进
-
非持久订阅优化:系统不再将非持久订阅加载到路由表中,这一改变可以显著减少内存使用,特别是在有大量短暂连接的场景下。
-
会话管理命令增强:新增了
vmq_admin session unsubscribe命令,为管理员提供了更灵活的会话管理工具,可以远程取消特定会话的订阅。
保留消息处理
-
过期保留消息自动清理:新增了对过期保留消息的自动删除功能,并提供了相关配置选项。这一特性特别适合需要严格控制保留消息生命周期的应用场景。
-
性能优化:通过专门的fold函数处理过期保留消息的删除操作,提高了大规模保留消息清理的效率。
数据库连接改进
-
MongoDB驱动更新:项目现在使用emqx维护的mongodb-erlang驱动分支,这通常会带来更好的兼容性和性能表现。
-
SWC存储分离:vmq_swc模块现在使用单独的数据库来存储DKM(分布式键值管理)数据,这种隔离设计可以提高系统稳定性和管理便利性。
兼容性与构建
-
OTP 27初步支持:开始提供对Erlang/OTP 27的编译支持,为未来完全兼容做准备。
-
依赖项更新:包括erlef/setup-beam从1.17升级到1.18,actions/cache从v3升级到v4等构建系统改进。
已移除功能
移除了vmq_pulse插件,这是一个已被弃用的远程诊断插件。建议用户使用替代的监控和诊断工具。
总结
VerneMQ 2.1.0-rc1带来了多项重要改进,特别是在安全性、订阅管理和保留消息处理方面。元数据存储格式的变更虽然带来了升级复杂度,但为系统未来的扩展奠定了基础。建议用户在测试环境中充分验证新版本,特别是关注数据迁移和功能兼容性。对于生产环境部署,建议等待正式版发布后再进行升级。
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-X1-7BSpark-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