GeoServer 2.27.1版本发布:安全修复与功能增强
项目简介
GeoServer是一个开源的地理空间数据服务器,它允许用户共享和编辑地理空间数据。作为Open Geospatial Consortium (OGC)标准的实现者,GeoServer支持多种数据格式和协议,包括Web Feature Service (WFS)、Web Map Service (WMS)和Web Coverage Service (WCS)等。GeoServer广泛应用于GIS领域,为用户提供强大的地图发布和数据管理能力。
版本概述
GeoServer 2.27.1是一个稳定版本,主要包含安全修复和一些功能改进。这个版本特别关注了一个即将在2025年6月2日公布的安全问题修复,同时解决了一些影响用户体验和功能稳定性的问题。
安全更新
2.27.1版本修复了一个重要的安全问题,虽然具体细节将在2025年6月2日才正式公布,但用户应该尽快升级以确保系统安全。这体现了GeoServer团队对安全性的高度重视,定期发布安全补丁是维护地理信息系统安全性的重要措施。
主要功能改进
1. 图例获取功能修复
修复了两个与JSON格式图例获取相关的问题:
- 修复了无法获取指向未发布目录的外部引用JSON图例的问题
- 修复了GetLegendGraphic JSON请求中符号化器URL损坏的问题
这些修复使得图例生成功能更加稳定可靠,特别是在使用JSON格式输出时。
2. 矢量瓦片几何裁剪优化
解决了矢量瓦片中点几何图形裁剪不正确的问题。这个修复确保了在生成矢量瓦片时,点要素能够被正确地裁剪到瓦片边界内,提高了矢量瓦片的渲染精度。
3. 属性名称处理增强
改进了对包含特殊字符的属性名称的处理能力。现在系统能够更优雅地处理那些XML编码器无法处理的字符,避免了因此导致的错误,提高了数据兼容性。
4. 功能模板改进
修复了OGC API中按ID获取功能时功能模板失效的问题,增强了OGC API的稳定性和可用性。
5. 用户界面优化
解决了图形用户界面中拖放操作后加载指示器持续显示的问题,提升了用户交互体验。
新增功能
1. Jiffle表达式支持
在覆盖视图设置中新增了对Jiffle表达式的支持。Jiffle是一种专门为栅格数据处理设计的脚本语言,这一新增功能使得用户能够更灵活地处理和转换栅格数据。
2. 时空区域统计过程
实现了GeoServer WPS时空区域统计过程(SpatioTemporalZonalStatistics),这是一个强大的空间分析工具,能够对时空数据进行区域统计分析,扩展了GeoServer的空间分析能力。
性能与稳定性改进
除了上述功能改进外,2.27.1版本还解决了一些导致随机构建失败的问题,包括:
- WPS构建过程中的随机失败
- 元数据模块构建时的随机问题
- 本地解析测试的不稳定性
- WFS 2.0 CITE测试的随机失败
这些改进提高了整个系统的稳定性和可靠性,特别是在持续集成环境中。
技术细节优化
开发团队还进行了一些代码层面的优化,包括禁止在GeoServer源代码中使用var关键字,这有助于保持代码的一致性和可读性。
升级建议
对于正在使用GeoServer 2.27.0或更早版本的用户,建议尽快升级到2.27.1版本,特别是考虑到其中包含的安全修复。升级前应做好充分测试,确保与现有应用的兼容性。
GeoServer 2.27.1作为一个稳定版本,在保持系统稳定性的同时,提供了多项功能增强和问题修复,是生产环境部署的理想选择。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00