Apollo Router v1.60.0 版本发布:性能优化与错误处理增强
Apollo Router 是一个高性能的 GraphQL 网关,用于构建和管理 GraphQL API。作为 GraphQL 生态系统中的重要组件,它能够聚合多个后端服务的数据,并提供统一的 GraphQL 接口。最新发布的 v1.60.0 版本带来了一系列性能优化和错误处理改进,进一步提升了路由器的稳定性和效率。
性能优化亮点
本次版本在多个方面进行了性能优化,显著提升了路由器的处理能力:
-
查询哈希算法改进:采用预计算模式哈希的新算法,简化了查询哈希过程,降低了 CPU 和内存使用量。这种优化使得哈希计算更加高效且资源消耗更可预测。
-
需求控制性能提升:通过将更多数据计算移至插件初始化阶段,并合并查找查询,优化了需求控制的性能。具体改进包括将参数的成本指令与字段定义存储在一起,以及减少响应评分时的查找次数。
-
系统运行数据优化:修复了自 v1.59.0 版本以来因使用
sysinfo库导致的内存使用增加问题。通过禁用不必要的并行处理和系统进程数据收集,减少了约 150MB 的内存占用。
错误处理与稳定性增强
-
无效错误路径处理:现在当子图返回包含无效路径的错误时,路由器会将这些路径截断至最近的合法字段路径,而不是静默丢弃错误。这符合 GraphQL 规范要求,确保错误能够正确关联到响应字段。
-
订阅操作初始化修复:解决了订阅节点中主节点操作初始化问题,确保其与其他查询计划节点采用相同的初始化方式。
-
子图请求头修复:恢复了在 v1.59.0 中被意外移除的 Content-Length 头,确保与依赖此头的 GraphQL 服务器的兼容性。
监控与可观测性改进
新增了批处理器指标,帮助用户更好地观察和调整批处理设置:
- 新增
apollo.router.telemetry.batch_processor.errors指标,用于监控导出批处理器遇到的错误数量 - 改进了丢弃 span 的日志消息,现在会明确指出受影响的批处理器
架构与维护更新
-
移除传统查询规划器:完全移除了传统查询规划器及其相关配置选项,包括
experimental_query_planner_mode、supergraph.query_planning.experimental_parallelism和supergraph.experimental_reuse_query_fragments。 -
指标迁移:将多个基于
tracing的遗留指标迁移到 OpenTelemetry 仪器,提升了指标系统的现代化程度和一致性。 -
移除实验性重试选项:由于使用有限且功能不完善,移除了
experimental_retry选项。
文档完善
为路由器遥测功能新增了常见用例的配置示例,包括选择器和条件的使用示例,帮助用户更快上手相关功能配置。
Apollo Router v1.60.0 通过这些改进,进一步巩固了其作为高性能 GraphQL 网关的地位,为用户提供了更稳定、更高效的 GraphQL 服务聚合能力。特别是性能优化方面的改进,使得路由器在处理复杂查询和大规模请求时表现更加出色。
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
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
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