Odigos v1.0.144 版本发布:全面增强可观测性能力
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并收集遥测数据(如追踪、指标和日志),帮助开发者更好地理解和监控他们的分布式系统。最新发布的 v1.0.144 版本带来了多项重要改进和新功能,进一步提升了系统的可观测性能力和用户体验。
核心功能增强
1. 新增 Red Hat UBI 支持
本次版本新增了对 Red Hat Universal Base Image (UBI) 的支持,包括:
- 添加了 UBI 专用的 Dockerfiles
- 创建了相应的构建目标
- 将 UBI 镜像集成到发布工作流中
这一改进使得 Odigos 能够更好地满足企业级用户的需求,特别是在需要符合特定安全标准的环境中。
2. 源代码级 CRD 文档
v1.0.144 版本引入了源代码级 CRD (Custom Resource Definition) 文档,这为开发者提供了:
- 更清晰的 API 参考文档
- 详细的字段说明
- 使用示例
这些文档将帮助开发者更高效地使用 Odigos 的定制资源,减少配置错误和理解成本。
3. 遗留 .NET 支持
考虑到企业环境中可能存在的遗留系统,本次更新增加了对旧版 .NET 框架的支持。这一功能:
- 扩展了 Odigos 的兼容性范围
- 确保传统 .NET 应用也能受益于自动检测
- 提供了平滑的迁移路径
架构与性能优化
1. 领导者选举配置增强
改进了领导者选举机制,包括:
- 更精细的配置选项
- 提高系统稳定性
- 优化故障转移过程
这些改进使得 Odigos 在大型集群中运行更加可靠。
2. 源到目的地分组功能
实现了 GEN-2030 功能,允许将多个源分组到同一个目的地。这一特性:
- 简化了配置管理
- 提高了数据路由效率
- 支持更灵活的可观测性策略
3. 检测实例限制
新增了检测实例限制功能,可以:
- 防止资源过度消耗
- 提高系统稳定性
- 提供更精细的资源控制
用户体验改进
1. UI 轻量模式
引入了全新的 UI 轻量模式,提供:
- 更简洁的界面
- 更快的加载速度
- 更好的移动设备兼容性
2. 只读模式支持
新增了只读模式功能,包括:
- UI 中的只读标识
- 后端对变更操作的拦截
- 通过配置标志启用
这一功能特别适合生产环境或审计场景,防止意外配置更改。
3. 诊断功能增强
改进了诊断工具,现在可以:
- 从数据收集和网关组件收集 pprof 数据
- 提供更全面的系统健康信息
- 帮助快速定位性能问题
开发者体验提升
1. 代码属性配置
新增了代码属性配置功能,允许开发者:
- 通过检测规则定义代码属性
- 更灵活地控制检测行为
- 实现更精细的可观测性策略
2. 环境变量注入
改进了环境变量注入机制,现在通过 webhook 实现:
- 更可靠的变量注入
- 更少的副作用
- 更好的兼容性
3. API 文档改进
重构了 API 文档结构:
- 更清晰的分类
- 更易读的格式
- 更完整的示例
安全与维护
1. 依赖项更新
升级了多个关键依赖项,包括:
- 控制器运行时到 0.20.1
- OpenTelemetry 到 1.34.0
- gRPC 到 1.70.0
这些更新带来了性能改进和安全修复。
2. 清理废弃功能
移除了多个已废弃的功能和组件,包括:
- 旧的卸载文档
- 过时的工作负载检测配置
- 不再使用的注解
这有助于保持代码库的整洁和可维护性。
总结
Odigos v1.0.144 版本是一个重要的里程碑,它通过新增功能、性能优化和用户体验改进,进一步巩固了其作为领先开源可观测性解决方案的地位。无论是对于需要监控传统应用的企业用户,还是追求最新可观测性技术的开发者,这个版本都提供了强大的功能和灵活的选项。特别是对 Red Hat UBI 的支持和只读模式的引入,使得 Odigos 更适合企业级生产环境。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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