Akvorado v1.11.5 版本发布:网络流量监控系统的重要更新
Akvorado 是一款开源的网络流量监控与分析系统,它能够高效地采集、处理和分析网络流量数据,为网络运维人员提供可视化界面和深入洞察。该系统采用模块化架构,包含数据采集(inlet)、数据处理(orchestrator)和前端展示(console)等核心组件。
本次发布的 v1.11.5 版本虽然是一个小版本更新,但包含了多项重要改进和修复,特别是在 Kafka 集成和浏览器兼容性方面有显著提升。
浏览器兼容性要求变更
从 v1.11.5 版本开始,Akvorado 控制台对浏览器提出了新的最低版本要求:
- Firefox 128 及以上版本
- Safari 16.4 及以上版本
- Chrome 111 及以上版本
这一变更反映了前端技术栈的演进,确保用户能够获得最佳的使用体验。运维团队在升级后应通知使用者检查浏览器版本,避免因兼容性问题影响使用。
网络流量处理优化
在数据采集(inlet)组件中,修复了一个关于 VLAN 标签处理的重要问题。原先版本中存在一个逻辑缺陷:系统会错误地用 Ethernet 头部中的 VLAN 信息覆盖流数据中提供的 VLAN 标签。这一修复确保了网络流量中的 VLAN 信息能够被准确记录和传递,对于依赖 VLAN 信息进行网络分析和故障排查的场景尤为重要。
Docker 部署稳定性增强
针对 Docker 部署环境,本次更新解决了控制台启动不稳定的问题。根本原因是 orchestrator 组件没有正确等待 Kafka 服务就绪就开始启动后续服务。这一修复显著提升了容器化部署的可靠性,特别是在自动化部署和系统重启场景下。
Kafka 集成改进
orchestrator 组件在 Kafka 集成方面有两项重要改进:
-
配置结构调整:将 SASL 认证参数从主配置中分离出来,放入独立的配置段落。这一变更使配置更加清晰,便于维护,特别是对于使用复杂认证机制的环境。
-
新增 OAuth 支持:为 Kafka 客户端添加了 OAuth 认证支持。这一功能扩展使得 Akvorado 能够更好地集成到采用现代认证体系的基础设施中,满足企业级安全要求。
升级建议
对于生产环境用户,建议在测试环境中先行验证 v1.11.5 版本,特别注意:
- 检查现有浏览器是否符合新版本要求
- 验证 Kafka 配置是否需要调整以适应新的结构
- 如果使用 Docker 部署,观察控制台启动是否更加稳定
对于新用户,可以直接采用此版本开始部署,以获得最佳的功能和稳定性体验。
Akvorado 项目团队持续关注用户反馈和实际使用场景,通过定期更新不断提升系统的功能性、可靠性和易用性。v1.11.5 版本虽小,但在关键领域做出了有价值的改进,值得用户考虑升级。
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