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 StartedRust058
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00