Dawarich 0.27.0 版本发布:后台任务与缓存系统重大升级
2025-06-11 04:43:51作者:沈韬淼Beryl
Dawarich 是一个开源的 Web 应用程序,主要用于数据导入、处理和可视化。它提供了强大的后台任务处理能力,支持大规模数据操作,并通过缓存机制优化系统性能。
核心升级内容
本次 0.27.0 版本带来了架构层面的重大改进,主要涉及后台任务处理和缓存系统的全面重构。
1. 后台任务系统迁移至 SolidQueue
Dawarich 彻底弃用了原先基于 Redis 的 Sidekiq 方案,转而采用 Rails 官方推荐的 SolidQueue 作为后台任务处理引擎。这一变化带来了几个显著优势:
- 简化架构:不再依赖 Redis,减少了系统复杂度
- 原生集成:SolidQueue 作为 Rails 7.1 后的官方推荐方案,与 Rails 生态深度集成
- 可靠性提升:基于 SQLite 的持久化存储,任务状态更加可靠
- 统一管理:新的任务管理界面可通过
/jobs路径访问
2. 缓存系统改用 SolidCache
同样是为了减少对 Redis 的依赖,Dawarich 现在使用 SolidCache 替代原有的 Redis 缓存方案:
- 性能优化:针对 SQLite 优化的缓存实现
- 资源占用低:不再需要维护独立的 Redis 实例
- 开发体验提升:开发环境中默认启用缓存,加速开发流程
3. ActionCable 适配器变更
实时通信功能现在使用 SolidCable 作为 ActionCable 的适配器,进一步统一了技术栈,减少了外部依赖。
升级注意事项
此次升级包含不兼容的变更,管理员需要特别注意以下几点:
-
升级前准备:
- 确保所有 Sidekiq 队列中的任务已完成处理
- 备份重要数据
-
Docker 配置变更:
- 需要新增数据库卷挂载配置
- 添加三个新的环境变量指向 SQLite 数据库路径
-
架构变化:
- 后台任务现在作为 Puma 插件运行,不再需要单独的容器
- 系统将自动创建新的 SQLite 数据库文件
性能改进
除了架构调整外,本次更新还带来了显著的性能提升:
- 数据导入删除优化:处理包含大量数据点的导入时,删除操作速度大幅提升
- 开发环境优化:Docker 镜像中默认启用缓存,改善开发体验
- 构建流程简化:RC 版本现在仅构建 amd64 架构镜像,加速发布流程
总结
Dawarich 0.27.0 版本通过采用 Rails 生态中的 Solid 系列解决方案,实现了技术栈的统一和架构的简化。这一变化不仅减少了外部依赖,还提升了系统的可靠性和可维护性。对于管理员而言,升级过程虽然需要一些配置调整,但长远来看将大大降低运维复杂度。
建议所有用户尽快规划升级,以享受新版本带来的性能优势和架构改进。对于开发团队而言,这一变化也为后续的功能开发和性能优化奠定了更好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137