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。
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