Shoryuken v7.0.0.alpha1 发布:Ruby 异步任务处理框架的重大更新
Shoryuken 是一个基于 Amazon SQS 的高效 Ruby 异步任务处理框架,它允许开发者将耗时任务放入队列中异步执行,从而提高应用程序的响应速度和吞吐量。近日,Shoryuken 发布了 v7.0.0.alpha1 版本,这是一个重要的预发布版本,包含多项功能增强和重大变更。
核心功能增强
线程优先级优化
新版本将线程优先级设置为 -1,这是一个重要的性能优化。在操作系统中,线程优先级决定了线程获取CPU时间的顺序。设置为 -1 意味着这些线程将以较低的优先级运行,从而避免与主应用程序线程竞争CPU资源,确保关键业务逻辑能够优先执行。
InlineExecutor 支持消息属性
InlineExecutor 是 Shoryuken 提供的一个开发工具,允许在测试或开发环境中同步执行任务而不需要真正的队列。v7.0.0.alpha1 版本为 InlineExecutor 添加了对消息属性的支持,使得开发者可以更准确地模拟生产环境中的消息处理行为,包括自定义属性和元数据。
可信发布机制
引入了一个重要的安全特性——可信发布(trusted publishing)。这一机制可以确保只有经过验证的发布者才能向队列发送消息,防止未经授权的消息注入。这对于构建高安全性要求的分布式系统尤为重要。
Rails 7.2 兼容性
为了保持与最新版 Rails 框架的兼容性,新版本添加了 enqueue_after_transaction_commit? 方法支持。这一改进使得 Shoryuken 能够更好地与 Rails 7.2 的事务回调机制协同工作,确保任务只在数据库事务成功提交后才会被加入队列。
技术栈更新
Ruby 3.4 支持
开发团队已将 Ruby 3.4 纳入持续集成测试环境,确保框架在新版 Ruby 上的兼容性。这为使用最新 Ruby 版本的开发者提供了保障。
测试基础设施升级
测试基础设施进行了重大改进:
- 将 aws-sdk-sqs 更新至最新版本
- 用 LocalStack 替代了 moto 作为测试模拟服务
LocalStack 提供了更接近真实 AWS 环境的本地模拟,使得集成测试更加可靠。这一变化显著提高了测试的准确性和可靠性。
重大变更
最低版本要求提升
v7.0.0.alpha1 引入了几项重要的最低版本要求变更:
- 不再支持 Ruby 2.7 以下版本
- 不再支持 Rails 6.1 以下版本
- 要求 aws-sdk-sqs 版本不低于 1.66
这些变更反映了现代 Ruby 生态系统的发展趋势,允许开发团队专注于维护和支持更现代的代码库,同时利用新版语言和框架的特性。
总结
Shoryuken v7.0.0.alpha1 是一个面向未来的重要更新,它不仅带来了性能优化和新特性,还对技术栈进行了现代化改造。对于正在使用或考虑使用 Shoryuken 的开发者来说,这个版本值得关注。特别是那些需要高安全性、高性能异步任务处理的企业级应用,新引入的可信发布机制和线程优先级优化将带来显著的价值。
需要注意的是,这是一个预发布版本,不建议直接在生产环境使用。开发者可以开始在新项目或测试环境中评估这些变更,为未来的正式版本升级做好准备。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00