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。
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