Apache Hop 2.12.0版本发布:数据集成工具的重大更新
Apache Hop(Hop Orchestration Platform)是一个开源的数据集成和工作流编排平台,它提供了可视化工具来设计、执行和监控数据处理流程。作为Pentaho Data Integration(Kettle)的下一代产品,Hop专注于现代化、模块化和云原生支持。
核心功能改进
元数据处理增强
2.12.0版本对元数据处理进行了多项改进。ColumnInfo类新增了image属性,允许为列定义图像表示,这增强了数据可视化能力。同时,ValueMetaJson类被移至核心库,提升了JSON数据处理的通用性。
执行器功能完善
Pipeline Executor和Workflow Executor组件增加了RESULT ROWS TAB和RESULT FILES TAB字段,解决了之前结果展示不完整的问题。ABORT转换也进行了功能完善,选项部分得到了补充。
文件处理优化
FTP文件处理方面,当binaryMode启用时,现在会正确设置文件类型为二进制,解决了文件传输可能损坏的问题。文本文件写入功能新增了舍入模式设置选项,提高了数值数据处理的精确度。
用户体验提升
界面交互改进
工具提示位置问题得到修复,不再出现错位现象。元数据搜索功能进行了优化,现在会忽略空搜索词,避免不必要的搜索操作。同时,元数据类型在搜索时会被正确翻译,提升了国际化体验。
编辑器功能增强
StyledText编辑器实现了撤销/重做功能,大大提高了文本编辑的便利性。语法高亮功能得到增强,代码可读性显著提升。变量插入功能也进行了优化,使用更加顺畅。
文档与国际化
文档系统进行了全面梳理,修复了大量损坏的链接,并补充了缺失的内容。特别是对Beam输入、HTML转文本等功能的文档进行了完善。国际化方面,翻译内容通过Weblate平台进行了更新。
技术架构优化
变量解析机制
引入了可插拔的变量解析器架构,使变量处理更加灵活。开发者现在可以实现自定义的变量解析逻辑,满足特定场景的需求。
元数据组织
对元数据定义进行了重新组织,将模式定义文件按功能分类到相应子文件夹中,提高了项目的结构清晰度。REST元数据类型和客户端功能也进行了修复和完善。
安全与稳定性
依赖项更新
Cassandra驱动从4.1.5升级到4.1.8,Snowflake JDBC驱动从3.20.0升级到3.22.0,修复了已知的安全漏洞并提升了稳定性。
测试改进
针对Jenkins环境中的Testcontainers测试进行了修复,确保了持续集成流程的可靠性。临时性的JSON-smart依赖覆盖问题也得到了解决。
新增功能亮点
语言聊天转换插件
新增的语言聊天转换插件文档得到了完善,设置界面也进行了优化,使这一AI驱动的功能更易于使用。
Salesforce集成增强
Salesforce输入组件新增了删除操作示例,丰富了与Salesforce平台集成的用例。
开发者体验
Eclipse平台从3.127.0升级到3.128.0,提供了更好的开发环境支持。测试包结构调整使项目组织更加合理。日志记录管道增加了父级引用,解决了特定场景下的日志问题。
Apache Hop 2.12.0版本通过上述多项改进,显著提升了数据处理能力、用户体验和系统稳定性,为数据工程师提供了更加强大和易用的工具集。
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