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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00