Undici v7.9.0 发布:HTTP客户端库的重要更新
项目简介
Undici 是 Node.js 官方团队开发的高性能 HTTP/1.1 和 HTTP/2 客户端库,旨在提供比 Node.js 内置 http 模块更高效、更现代的 HTTP 客户端功能。它特别适合需要高性能 HTTP 请求的场景,如微服务通信、API 调用等。
核心更新内容
1. MockAgent 新增非标准查询参数支持
新版本为 MockAgent 增加了 acceptNonStandardSearchParameters 选项,这一改进使得开发者可以更灵活地处理包含非标准查询参数的请求。在实际开发中,我们经常会遇到需要处理不规范 URL 的情况,这个新选项可以帮助开发者在不修改现有代码的情况下,更好地模拟这些特殊情况。
2. HTTP 缓存行为优化
本次更新对 HTTP 缓存机制进行了多项改进:
- 缓存控制头现在支持不区分大小写的处理,这符合 HTTP 规范的要求,解决了之前因大小写不一致导致的缓存问题
- 修复了
no-cache响应指令的处理逻辑,现在会正确遵守不带限定条件的no-cache指令 - 修正了
max-age缓存行为的实现,确保符合规范要求
这些改进使得 Undici 的缓存行为更加符合 HTTP 标准,减少了因缓存问题导致的意外行为。
3. HTTP/2 头部字段合并优化
修复了 HTTP/2 中冲突的平面头部字段合并问题。在 HTTP/2 中,某些头部字段(如 cookie)可能会被拆分为多个字段,新版本确保这些字段能够被正确合并,避免了因头部字段处理不当导致的请求问题。
4. 客户端统计信息增强
新增了通过 Agent 访问客户端和连接池统计信息的能力。这一功能为性能监控和调试提供了更多数据支持,开发者现在可以更方便地获取以下信息:
- 当前活跃连接数
- 空闲连接数
- 请求队列状态
- 连接池使用情况
这些统计信息对于优化应用性能、诊断连接问题非常有价值。
其他改进
- 文档更新:新增了关于 CORS 规范合规性的说明文档
- 修复了诊断示例中的代码缺失问题
- 持续更新 Web 平台测试(WPT)套件,确保与标准的一致性
升级建议
对于正在使用 Undici 的开发者,建议尽快升级到 v7.9.0 版本,特别是以下情况:
- 需要处理非标准查询参数的 Mock 测试场景
- 依赖 HTTP 缓存功能的应用程序
- 使用 HTTP/2 协议并遇到头部字段问题的项目
- 需要监控客户端性能指标的应用
升级通常只需更新 package.json 中的版本号并重新安装依赖即可。如果项目中有自定义的缓存逻辑或 MockAgent 配置,可能需要根据变更进行相应调整。
总结
Undici v7.9.0 带来了多项重要改进,特别是在 Mock 测试灵活性、HTTP 缓存合规性和 HTTP/2 支持方面。这些更新不仅增强了库的功能性,也提高了与 HTTP 标准的兼容性。新增的统计信息访问能力为性能优化提供了新的工具,使得 Undici 在构建高性能 Node.js 应用时更加得心应手。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00