Odigos v1.0.168 版本发布:增强云原生可观测性能力
Odigos 是一个开源的分布式追踪和可观测性平台,它能够自动检测应用程序中的遥测数据(如追踪、指标和日志),并将其发送到各种可观测性后端。最新发布的 v1.0.168 版本带来了多项重要更新和功能增强,进一步提升了云原生环境下的可观测性能力。
核心功能增强
新增多个目标数据源支持
本次版本最显著的改进是增加了对多种流行可观测性后端的原生支持:
-
AWS EMF 目标:新增了对 Amazon CloudWatch Metrics 的 EMF(Embedded Metric Format)格式支持,使 AWS 用户能够更高效地将指标数据发送到 CloudWatch。
-
时序数据库支持:
- GreptimeDB:一个开源的时序数据库
- VictoriaMetrics:高性能的时序数据库和监控解决方案
-
商业可观测性平台:
- OneUptime:全栈监控平台
- Observe:现代可观测性平台
- Seq:专注于结构化日志的可观测性工具
- Tingyun:应用性能监控解决方案
-
云服务提供商:
- 阿里云(Alibaba Cloud)
- 甲骨文云(Oracle Cloud)
这些新增的目标数据源支持使得 Odigos 能够满足更广泛的用户需求,无论是使用开源解决方案还是商业产品的团队都能从中受益。
配置管理改进
-
环境变量配置增强:现在支持从环境变量中获取配置值(env valuefrom config),这为 Kubernetes 环境下的配置管理提供了更大的灵活性。
-
Java 代理优化:改进了 Java 代理的环境变量处理逻辑,现在只会设置一个环境变量,避免了多个选项定义时可能出现的冲突问题。
开发者体验提升
-
CLI 工具改进:
- 修复了节点收集器(node collector)的描述命令问题
- 移除了已弃用的 --rm-dist 参数,改用 --clean 参数
- 整合了发布 CLI 工具,简化了发布流程
-
文档修复:解决了文档崩溃的问题,提升了文档的稳定性和可用性。
依赖项更新
-
前端相关依赖升级:
- gqlgen 从 0.17.68 升级到 0.17.70
- gin-contrib/cors 从 1.7.3 升级到 1.7.4
- React 从 19.0.0 升级到 19.1.0
-
文档工具 mintlify 从 4.0.441 升级到 4.0.454
Python 代理更新
Python 代理升级到了 v1.0.34 版本,带来了性能改进和稳定性增强。
发布质量保证
新增了对开放偏移 PR 的发布检查(release check for open offsets PRs),进一步提高了发布流程的质量和可靠性。
总结
Odigos v1.0.168 版本通过增加对多种流行可观测性后端的支持,显著扩展了其应用场景。同时,在配置管理、开发者体验和发布质量方面的改进,使得这个开源可观测性平台更加成熟和可靠。对于正在构建云原生可观测性体系的团队来说,这个版本提供了更多选择和更好的使用体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08