Apache Shenyu 2.7.0.1版本发布:网关性能优化与AI插件增强
Apache Shenyu作为一款高性能、可扩展的API网关,在微服务架构中扮演着重要角色。它提供了丰富的功能插件和灵活的扩展机制,能够帮助开发者快速构建和管理API服务。最新发布的2.7.0.1版本带来了一系列重要改进和新特性,特别是在性能优化和AI能力增强方面。
核心性能优化
本次版本对网关的核心性能进行了多方面的优化。首先在日志收集方面,通过优化日志采集性能,显著提升了日志处理效率。特别是在使用Gzip压缩日志时,修复了可能出现的乱码问题,确保了日志数据的完整性。
缓存机制也得到了改进,BodyParamUtils现在采用Caffeine缓存替代原有实现,减少了参数解析的开销。同时修复了MetaDataCache中可能出现的空指针异常,增强了系统的稳定性。
对于规则缓存的管理,修复了在使用Nacos作为同步中心时,shenyu-bootstrap中规则缓存无法删除的问题,确保了缓存一致性。此外,还优化了Elasticsearch索引的生成策略,支持按天生成索引并创建别名,便于日志管理和查询。
插件系统增强
在插件系统方面,2.7.0.1版本带来了多项重要改进。JWT插件现在支持SPI扩展机制,可以自定义JWT负载解析逻辑,确保与各种JWT工具的兼容性。Dubbo插件增加了对protobuf序列化的支持,并修复了方法配置问题,提升了Dubbo服务的集成体验。
新版本还重构了SpringCloud插件,将其功能整合到Discovery插件中,简化了插件架构。同时,Logging插件家族(包括Kafka、RocketMQ等)都得到了优化,修复了配置刷新不及时的问题。
全新AI能力
2.7.0.1版本引入了多项AI相关功能,展现了Apache Shenyu向智能化网关发展的方向。新增的AI Proxy插件提供了AI服务代理能力,可以方便地集成各类AI服务。配套的AI Token限流插件则能够对AI服务的访问进行精细控制。
AI Prompt插件的加入使得开发者可以更方便地管理和使用提示词模板。这些AI相关功能都配备了完善的SQL脚本和管理界面,便于在生产环境中部署和使用。
稳定性与可靠性提升
在系统稳定性方面,本次更新修复了多个关键问题。包括修复了2.6.1版本客户端注册失败的问题,优化了心跳检测逻辑,确保服务发现的可靠性。在管理端,通过添加事务注解确保了数据一致性,修复了可能产生的脏数据问题。
对于命名空间的处理也进行了优化,修复了删除命名空间时的错误,并改进了用户默认命名空间关系的创建逻辑。这些改进都显著提升了系统在复杂场景下的可靠性。
开发者体验改进
为了提升开发者体验,2.7.0.1版本增加了更多测试用例,覆盖了RestTemplate配置、ShenyuController端点等关键组件。代码质量方面,使用Checkstyle规范了代码风格,避免直接使用==进行null检查,提高了代码可读性。
构建系统也进行了升级,将上传/下载工件的版本从v3升级到v4,提升了构建效率。同时为GitPod环境配置了Java支持,便于开发者快速搭建开发环境。
Apache Shenyu 2.7.0.1版本通过上述多项改进,在性能、功能和稳定性方面都有显著提升,特别是AI能力的加入为网关赋予了新的可能性。这些变化使得Shenyu能够更好地满足现代微服务架构的需求,为开发者提供更强大、更可靠的API网关解决方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00