Grafana Tempo 2.8.0-rc.1版本发布:分布式追踪系统的性能优化与功能增强
Grafana Tempo是一个开源的分布式追踪后端系统,专注于提供高性能、高可扩展性的追踪数据存储与查询能力。作为Grafana可观测性栈的重要组成部分,Tempo能够与Prometheus、Loki等工具无缝集成,为微服务架构提供完整的可观测性解决方案。
核心功能优化
最新发布的2.8.0-rc.1候选版本在TraceQL指标查询和系统稳定性方面做出了重要改进。TraceQL是Tempo专为追踪数据设计的查询语言,本次更新特别优化了其指标计算功能。
在TraceQL指标处理方面,开发团队实现了两个关键改进:首先是对示例数据的时间分布进行了优化,确保在时间范围内更均匀地展示示例;其次是增加了示例数量的硬性限制,防止查询返回过多数据导致性能问题。这些改进使得指标查询结果更加合理且系统资源使用更加可控。
关键问题修复
本次版本修复了多个影响系统稳定性和数据准确性的问题:
-
数据结构比较功能修复:解决了在比较操作中错误包含nestedSetParent等特殊字段的问题,确保数据比较逻辑的准确性。
-
分布式哈希冲突问题:修复了分发器(distributor)组件中潜在的哈希冲突问题,该问题可能导致span数据被错误存储。这一修复对于保证数据完整性至关重要。
-
结构指标计算修正:针对结构指标中的聚合率计算进行了修正,确保指标统计结果的准确性。
-
直方图和分位数示例:优化了TraceQL指标查询中直方图和分位数对应的示例数据展示,使用户能够获得更具代表性的数据样本。
技术实现细节
在底层实现上,开发团队对Tempo的核心组件进行了多项优化。分发器组件的改进特别值得关注,通过优化哈希算法和数据处理流程,有效防止了因哈希冲突导致的数据错位问题。这种改进对于大规模部署环境尤为重要,能够确保在高负载情况下仍能保持数据的准确存储。
TraceQL引擎的增强则体现在查询处理的多个层面。示例数据的优化分发算法不仅提高了查询结果的代表性,还通过硬性限制机制保护了系统资源。同时,针对特殊统计指标(如直方图和分位数)的处理逻辑也得到了完善,使复杂查询能够返回更准确的结果。
版本升级建议
作为2.8.0系列的候选版本,rc.1已经展现出良好的稳定性,特别适合需要以下功能的用户进行评估:
- 依赖TraceQL进行复杂指标分析的用户
- 大规模部署环境下对数据完整性要求严格的场景
- 需要精确直方图和分位数统计的应用
虽然候选版本已经过充分测试,生产环境部署仍建议等待正式版本发布。开发团队通常会根据rc版本的反馈进行最后的调整,确保正式版的稳定性和可靠性。
对于正在使用早期版本的用户,特别是遇到哈希冲突或指标计算问题的环境,建议密切关注2.8.0正式版的发布计划,这些关键修复将显著提升系统的可靠性。
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