Spring AMQP 4.0.0-M2 版本发布:AMQP 1.0支持与核心功能增强
Spring AMQP项目作为Spring生态系统中处理AMQP协议的核心组件,在最新发布的4.0.0-M2里程碑版本中带来了多项重要更新。这个版本特别值得关注的是对RabbitMQ AMQP 1.0协议的全面支持,以及现有功能的显著增强。
AMQP 1.0协议支持
本次更新的最大亮点是新增了对RabbitMQ AMQP 1.0协议的完整支持。AMQP 1.0作为AMQP协议的最新版本,提供了更强大的消息路由能力和跨平台兼容性。Spring AMQP 4.0.0-M2通过以下几个核心组件实现了这一支持:
-
连接管理组件:提供了Spring风格的AMQP 1.0连接管理方案,开发者可以像使用传统AMQP一样便捷地配置和管理连接。
-
模板实现:新增的RabbitMQ AMQP 1.0模板模式实现,让开发者能够以熟悉的方式发送和接收消息,保持了Spring AMQP一贯的简洁API风格。
-
管理功能:专门为AMQP 1.0设计的Admin组件,支持对RabbitMQ拓扑结构的管理操作,包括队列、交换机的创建和绑定等。
监听器API增强
在消息监听方面,4.0.0-M2版本引入了全新的Listener API:
-
批量消息支持:RabbitAmqpListenerContainer现在能够处理批量消息,显著提升了高吞吐量场景下的处理效率。
-
请求/回复模式:RabbitAmqpMessageListenerAdapter新增了对请求/回复模式的支持,使得实现RPC风格的消息交互更加简单。
-
RPC模板:配合监听器的增强,RabbitAmqpTemplate也增加了RPC支持,完善了Spring AMQP的远程调用能力。
稳定性与可靠性改进
除了新功能外,这个版本还包含多项稳定性提升:
-
改进了x-death头信息的处理方式,采用更安全的方法读取消息重试计数,防止在异常情况下出现处理错误。
-
优化了SimpleMessageListenerContainer的日志级别,将部分错误日志调整为DEBUG级别,避免在生产环境中产生过多噪音。
-
修复了在应用关闭时可能出现的BeanCreationNotAllowedException问题,提升了系统的健壮性。
依赖项更新
作为常规维护的一部分,4.0.0-M2版本更新了多个关键依赖:
- Reactor框架升级至2024.0.4版本
- JUnit 5测试框架更新至5.12.1
- Testcontainers提升至1.20.6
- Logback日志组件升级到1.5.17
- Jackson数据绑定库更新至2.18.3
这些依赖更新不仅带来了性能改进和安全修复,也确保了Spring AMQP能够与其他现代Java库良好协作。
总结
Spring AMQP 4.0.0-M2版本标志着该项目向支持更广泛AMQP协议迈出了重要一步。通过引入AMQP 1.0支持,开发者现在可以在保持Spring开发习惯的同时,利用AMQP 1.0协议的高级特性。配合已有的核心功能增强,这个版本为构建可靠、高效的消息驱动应用提供了更强大的工具集。对于正在评估或已经使用RabbitMQ的企业来说,这个里程碑版本值得密切关注。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00