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 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 Notebook0114
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