Odigos v1.0.166版本发布:新增三大云服务监控目标支持
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追踪点并收集遥测数据。最新发布的v1.0.166版本带来了多项重要更新,特别是新增了对AWS EMF、阿里云和Seq三大监控目标的集成支持,进一步扩展了Odigos在云原生环境中的应用场景。
核心功能更新
AWS EMF目标支持
新版本增加了对AWS Embedded Metric Format (EMF)的支持,这使得Odigos能够直接将指标数据发送到Amazon CloudWatch。EMF是AWS专为CloudWatch设计的一种指标格式,它允许开发者以结构化的方式定义和发送自定义指标。通过这一集成,用户无需额外配置转换层,即可将应用指标无缝对接CloudWatch服务。
阿里云监控集成
针对中国市场的需求,v1.0.166版本新增了对阿里云监控服务的支持。阿里云作为国内领先的云服务提供商,其监控服务被众多企业采用。这一集成使得使用阿里云基础设施的用户能够直接将应用性能指标和追踪数据发送到阿里云监控平台,实现统一的监控视图。
Seq日志服务器支持
Seq是一款流行的结构化日志服务器,新版本增加了对Seq的支持。开发者现在可以将应用日志直接发送到Seq服务器,利用其强大的搜索、过滤和可视化功能来分析应用日志。这对于.NET生态系统的用户尤其有价值,因为Seq最初就是为.NET应用设计的。
技术优化与改进
Java环境变量优化
在Java自动检测方面,新版本优化了环境变量的设置逻辑。现在当多个选项被定义时,Odigos只会设置一个环境变量,避免了潜在的配置冲突。这一改进提高了Java应用的稳定性,特别是在复杂部署环境中。
数据过滤增强
数据过滤功能得到了增强,现在Odigos会始终执行过滤操作,确保只有符合条件的数据会被收集和传输。这有助于减少不必要的网络流量和存储开销,特别是在高负载环境中。
开发者体验提升
多平台CLI工具
新版本继续提供跨平台的CLI工具支持,包括macOS(amd64/arm64)、Linux(amd64/arm64)和Windows(amd64/arm64)平台。开发者可以根据自己的开发环境选择合适的版本,享受一致的命令行体验。
Helm Chart更新
对应的Helm Chart也同步更新至1.0.166版本,Kubernetes用户可以通过熟悉的Helm工具快速部署最新版本的Odigos。Chart包大小保持在26KB,保持了轻量级的特点。
总结
Odigos v1.0.166版本通过新增三大云服务监控目标的支持,进一步巩固了其在云原生可观测性领域的地位。无论是使用AWS、阿里云还是Seq的用户,现在都能更便捷地将Odigos集成到自己的监控体系中。同时,在Java支持和数据过滤方面的优化,也体现了项目对稳定性和效率的持续追求。对于正在构建现代化可观测性体系的团队来说,这个版本值得考虑升级。
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