Odigos v1.0.153版本发布:增强可观测性与稳定性
Odigos是一个开源的分布式追踪和可观测性平台,它通过自动检测应用程序来收集遥测数据,帮助开发者更好地理解和监控分布式系统的运行状态。最新发布的v1.0.153版本带来了一系列改进和新功能,进一步提升了平台的稳定性和可用性。
核心功能增强
本次版本更新中,最值得关注的是新增了对IBM Instana和Kafka作为目标存储的支持。IBM Instana是一款应用性能监控(APM)解决方案,能够提供实时的应用监控和问题诊断能力。而Kafka作为分布式消息队列系统,其高吞吐量和可扩展性使其成为处理大量遥测数据的理想选择。这些新增的目标存储选项为用户提供了更多样化的数据分析和存储方案。
稳定性改进
在稳定性方面,开发团队做出了多项重要改进:
-
Instrumentor就绪探针:新增了instrumentor组件的就绪探针(Readiness Probe),确保组件完全初始化并准备好接收请求后才开始处理流量,避免了启动阶段的潜在问题。
-
eBPF检测实例管理:优化了eBPF(扩展伯克利包过滤器)检测实例的生命周期管理,确保在odiglet组件关闭时能够正确清理相关资源,防止资源泄漏。
-
挂载点验证:增强了挂载点检查机制,确保挂载操作以正确的值执行,提高了配置的可靠性。
诊断能力提升
为了帮助开发者更有效地诊断问题,新版本改进了测试失败时的日志输出:
- 在端到端测试失败时,现在会打印Tempo(分布式追踪后端)中的所有追踪数据,为问题排查提供更全面的上下文信息。
文档完善
本次更新还包含了对文档的补充和完善:
- 新增了关于Source详情页面的文档,帮助用户更好地理解和使用数据源配置功能。
架构优化
在系统架构层面,开发团队进行了以下优化:
-
CLI更新机制:改进了命令行工具的远程更新机制,现在使用POST请求来获取更新,提高了安全性和可靠性。
-
Kubernetes Source列表:在kubectl Source列表中新增了disabled列,使用户能够更直观地查看和管理被禁用的数据源。
总结
Odigos v1.0.153版本通过新增目标存储支持、增强系统稳定性、改进诊断能力和完善文档,进一步提升了平台的整体质量和用户体验。这些改进使得Odigos在分布式系统可观测性领域的能力更加全面,为开发者提供了更强大的工具来监控和理解复杂系统的运行状态。
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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0248- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。Python05