RoadRunner v2024.3.2 版本发布:HTTP编码支持与Temporal插件增强
RoadRunner是一个高性能的PHP应用服务器,采用Go语言编写,旨在为PHP应用提供现代化的运行环境。它通过工作进程池的方式运行PHP代码,显著提升了PHP应用的性能和吞吐量。RoadRunner支持多种协议和插件,包括HTTP、gRPC、队列、Temporal工作流等,使其成为构建现代化PHP应用的理想选择。
HTTP插件全面支持多种编码
在最新发布的v2024.3.2版本中,RoadRunner的HTTP插件获得了一个重要改进:现在能够完整支持所有编码类型(而不仅仅是UTF-8)的HTTP请求负载。这一改进解决了之前版本在处理非UTF-8编码内容时可能出现的问题。
对于开发者而言,这意味着:
- 可以正确处理各种语言环境下的HTTP请求,包括使用不同字符编码的亚洲语言内容
- 能够无缝处理二进制数据或其他特殊编码格式的请求体
- 提升了与国际化和本地化应用的兼容性
这一改进特别适合需要处理多语言内容或特殊数据格式的应用场景,如国际化电商平台、多语言CMS系统等。
Temporal插件功能增强
RoadRunner的Temporal插件在此版本中获得了多项重要更新:
完整的类型化搜索属性支持
Temporal工作流引擎提供了强大的搜索属性功能,允许开发者基于自定义属性查询工作流执行情况。v2024.3.2版本为RoadRunner Temporal插件带来了完整的类型化搜索属性支持,包括:
- 字符串类型(String)
- 整型(Int)
- 布尔型(Bool)
- 浮点型(Float)
- 时间类型(Datetime)
这种类型化支持使得工作流查询更加精确和高效,开发者可以构建更复杂的查询条件来筛选工作流实例。
调试日志增强
新版本改进了调试日志的输出,提供了更多有用的运行时信息。这些增强包括:
- 更详细的工作流执行状态跟踪
- 活动任务处理的详细日志
- 连接状态的监控信息
这些改进使得在生产环境中诊断问题变得更加容易,特别是在复杂的分布式工作流场景下。
活动工作者状态修复
修复了一个关于活动工作者状态的bug,当活动工作者被关闭时,现在能够正确报告其状态。这一改进确保了监控系统的准确性,避免了误报活动工作者状态的情况。
gRPC插件改进
RoadRunner的gRPC插件在此版本中也获得了一个重要改进:现在能够正确传播带有gRPC错误元数据的响应头。这一改进使得:
- 错误处理更加标准化
- 客户端能够获取更完整的错误上下文信息
- 提升了gRPC服务的可观测性
对于构建微服务架构的开发者来说,这一改进使得错误追踪和调试变得更加方便。
总结
RoadRunner v2024.3.2版本带来了多项实用改进,特别是在HTTP编码支持和Temporal工作流功能方面。这些改进进一步巩固了RoadRunner作为现代化PHP应用运行时的地位,为开发者提供了更强大、更稳定的工具来构建高性能PHP应用。
对于现有用户,建议评估这些新特性如何能够优化现有应用;对于新用户,这个版本提供了更多理由考虑采用RoadRunner作为PHP应用的运行环境。随着这些改进的加入,RoadRunner继续向着为PHP开发者提供企业级解决方案的目标迈进。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00