Apache ShenYu 2.7.0.1版本发布:网关性能优化与AI插件增强
Apache ShenYu作为一款高性能、可扩展的API网关,在微服务架构中扮演着重要角色。它提供了丰富的功能集,包括流量控制、熔断降级、动态路由等,帮助开发者构建稳定可靠的分布式系统。本次2.7.0.1版本的发布,不仅修复了多个关键问题,还引入了令人期待的AI相关插件,为网关智能化提供了新的可能性。
核心优化与问题修复
在性能优化方面,本次更新对日志收集模块进行了重点改进。通过优化日志收集性能,特别是在使用Gzip压缩时解决了乱码问题,显著提升了网关处理日志的效率。同时,BodyParamUtils工具类引入了Caffeine缓存机制,减少重复计算,进一步提升了参数处理的响应速度。
针对缓存一致性问题,开发团队做出了多项改进。MetaDataCache中增加了对空值的防护处理,避免了潜在的NPE问题。AlertDispatchServiceImpl中修正了缓存删除顺序导致的数据脏读问题,确保了告警信息的一致性。此外,还修复了当使用Nacos作为同步中心时,规则缓存无法正确删除的问题。
在注册发现机制方面,修复了2.6.1版本中客户端注册失败的问题,增强了注册过程的稳定性。同时,对Kubernetes控制器代码进行了优化,提升了在K8s环境下的运行效率。
新增AI相关插件功能
2.7.0.1版本最引人注目的变化是新增了多个AI相关插件,为网关赋予了智能化能力:
-
AI代理插件:提供了与AI服务交互的能力,可以作为AI服务的统一入口,实现请求转发、结果处理等功能。
-
AI令牌限流插件:专门为AI服务设计的限流组件,能够基于令牌桶算法对AI服务的访问进行精细控制。
-
AI提示插件:支持在请求处理过程中插入AI生成的提示信息,为开发者提供更多上下文和指导。
这些AI插件的加入,使得Apache ShenYu不仅能够处理传统的API流量,还能作为AI服务的智能网关,满足日益增长的AI应用集成需求。
数据库与配置改进
在数据存储方面,本次更新修复了H2数据库中JSON格式错误的问题,并优化了从2.6.1升级到2.7.0的SQL脚本。新增了对Elasticsearch索引的每日自动生成功能,并为这些索引创建了别名,大大简化了日志检索和分析的复杂度。
配置管理方面,修正了Logging-Elasticsearch、Logging-Tencent和Logging-Aliyun等日志组件在配置修改后无法正确刷新的问题。同时,移除了过时的SpringCloud插件,重构了Discovery插件,使服务发现机制更加清晰和高效。
开发者体验提升
为了改善开发者体验,本次更新在多个方面进行了优化:
-
增加了RestTemplateConfiguration和ShenyuControllerEndpoint的测试用例,提高了代码质量。
-
使用Checkstyle工具规范化代码,避免使用==null检查,推荐使用Objects.isNull()方法。
-
优化了插件加载机制,通过ShenyuPluginClassLoaderHolder更好地管理插件类加载器。
-
修复了CollapseSlashesFilter中的路径处理问题,提升了URL规范化处理的可靠性。
-
在Dubbo支持方面,增加了protobuf序列化的支持,并优化了方法配置方式,使Dubbo集成更加灵活。
安全增强
安全方面,JWT插件进行了SPI扩展,确保能够兼容旧版JWT工具的payload解析方式,同时提供了更强的安全保证。Admin模块中增加了@Transactional注解来确保数据一致性,防止部分更新导致的数据不一致问题。
Apache ShenYu 2.7.0.1版本的发布,不仅解决了一系列稳定性问题,更重要的是通过引入AI相关插件,为网关的智能化发展开辟了新方向。这些改进使得ShenYu在性能、可靠性和功能性上都达到了新的高度,为构建下一代云原生应用提供了强有力的支持。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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