AWS SDK for .NET 3.7.963.0版本发布:增强S3数据完整性校验与多服务更新
AWS SDK for .NET是亚马逊云服务官方提供的.NET开发工具包,它让开发者能够轻松地在.NET应用程序中集成和使用AWS的各种云服务。本次3.7.963.0版本的发布带来了多项重要更新,特别是在S3服务的数据完整性保护方面有显著增强,同时也更新了多个AWS服务的功能支持。
S3服务数据完整性保护全面升级
本次更新最值得关注的是S3服务在数据完整性校验方面的重大改进。AWS SDK for .NET现在默认对所有支持的请求和响应自动计算校验和(默认使用CRC32算法),这为数据传输提供了额外的安全保障。
新版本引入了以下关键特性:
-
CRC64NVME校验算法支持:新增了对CRC64NVME校验算法的支持,为用户提供了更多数据完整性验证的选择。
-
多部分S3对象的完整对象校验:现在可以对多部分上传的S3对象进行完整的校验和计算,确保大文件上传过程中的数据完整性。
-
默认完整性保护:所有S3请求现在默认启用完整性保护机制,进一步提升了数据传输的安全性。
对于需要自定义校验行为的场景,开发者可以通过以下方式调整:
- 设置
AmazonS3Config中的RequestChecksumCalculation和ResponseChecksumValidation选项为WHEN_REQUIRED,仅在服务要求时计算校验和 - 在
PutObject、UploadPart或TransferUtilityUpload操作中设置DisableDefaultChecksumValidation标志为false,完全绕过校验和计算
需要注意的是,CompleteMultipartUploadRequest.AddPartETags方法的行为有所变化,现在它只包含由CopyObject和UploadPart操作返回的ETags。如果开发者在多部分上传中明确指定了校验算法,并且需要包含额外的校验和(如ChecksumCRC32或ChecksumSHA256),应该使用新的AddPartETagsAndChecksums方法。
其他服务更新
除了S3服务的重大更新外,本次发布还包含了多个AWS服务的功能增强:
-
Bedrock Agent Runtime:现在支持内联代理的流式传输功能,为构建对话式AI应用提供了更灵活的实现方式。
-
Cognito Identity:修正了双栈端点配置,改进了服务的网络连接能力。
-
Partner Central Selling:为ResourceSnapshotJob资源添加了标签支持,便于资源管理和分类。
-
Simple Email V2:在虚拟可交付性管理器顾问中新增了一项推荐功能,能够检测客户发送身份的高投诉率。
-
WorkSpaces:新增了GeneralPurpose.4xlarge和GeneralPurpose.8xlarge两种计算类型,为用户提供了更多工作空间配置选择。
-
WorkSpaces Thin Client:明确了MaintenanceWindow中的type字段为必填项,增强了API的严谨性。
底层核心改进
AWS SDK for .NET的核心库也进行了重要更新:
- 添加了与
HashAlgorithm兼容的CRC32实现,无需CRT依赖 - 新增了
RequestChecksumCalculation和ResponseChecksumValidation配置选项 - 更新了所有服务的端点信息
这些底层改进为上层服务功能的实现提供了更好的支持,同时也为开发者提供了更多的配置灵活性。
总结
AWS SDK for .NET 3.7.963.0版本通过增强S3服务的数据完整性保护机制,显著提升了云存储服务的安全性和可靠性。同时,多个AWS服务的功能更新也为开发者构建云应用提供了更多可能性。特别是S3校验和机制的改进,使得开发者能够以更简单的方式确保数据传输的完整性,而无需自行实现复杂的校验逻辑。这些更新体现了AWS对开发者体验和数据安全性的持续关注,值得.NET开发者升级体验。
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。C030
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