NewRelic Node.js 代理 v12.17.0 版本发布:增强Azure Functions支持与分布式追踪采样控制
NewRelic Node.js 代理是一个功能强大的应用性能监控工具,它能够帮助开发者深入了解Node.js应用的运行状况,捕获关键性能指标,并追踪分布式系统中的请求流转。最新发布的v12.17.0版本带来了几项重要更新,特别是在Azure Functions支持和分布式追踪采样控制方面有了显著增强。
Azure Functions利用率监控
在这个版本中,代理新增了对Azure Functions的利用率监控功能。Azure Functions作为无服务器计算服务,其资源利用情况一直是开发者关注的焦点。通过这项功能,开发者现在可以更清晰地了解函数执行的资源消耗情况,包括CPU、内存等关键指标。
这项改进使得在Azure Functions环境中部署的Node.js应用能够获得与其他环境一致的可观测性体验。开发者可以像监控传统服务器应用一样,监控无服务器函数的性能表现,及时发现潜在的性能瓶颈。
W3C traceparent采样标志支持
分布式追踪是现代微服务架构中不可或缺的组成部分。v12.17.0版本引入了一项重要特性:支持W3C traceparent规范的采样标志控制。
在分布式系统中,一个请求可能会经过多个服务,每个服务都可能产生大量追踪数据。为了平衡数据收集和系统开销,采样机制变得尤为重要。traceparent规范定义了一个采样标志位,用于指示上游服务是否希望当前服务记录追踪数据。
新版本提供了灵活的配置选项,开发者可以通过以下配置项精确控制采样行为:
-
当traceparent采样标志为"01"(表示上游希望采样)时:
- always_on:强制采样
- always_off:强制不采样
- default:使用代理原有的优先级采样机制
-
当traceparent采样标志为"00"(表示上游不希望采样)时:
- 同样提供上述三种选项
这种细粒度的控制能力使得开发者可以根据业务需求调整采样策略,在保证关键业务数据完整性的同时,有效控制监控系统的开销。
OpenTelemetry桥接器改进
v12.17.0还对OpenTelemetry桥接器进行了重构,主要是为了集中管理span属性的映射规则。OpenTelemetry作为云原生可观测性的标准,其语义约定规范会不断更新。通过这次改进,代理能够更好地适应这些规范变化,确保与OpenTelemetry生态系统的兼容性。
这项改进虽然对终端用户透明,但它为未来的功能扩展打下了坚实基础,使得代理能够更快地支持OpenTelemetry规范的新特性。
测试与兼容性
为了保证稳定性,新版本特别针对LangChain的OpenAI集成进行了测试适配,确保在相关技术栈中的兼容性。同时,代理的兼容性报告也得到了更新,帮助开发者更好地评估升级风险。
升级建议
NewRelic建议用户尽快升级到最新版本,以获得最佳的性能监控体验和安全保障。如果无法立即升级,也应确保使用的代理版本不超过90天。定期更新监控代理不仅能获得新功能,还能确保监控数据的准确性和安全性。
对于使用Azure Functions或复杂分布式系统的团队,v12.17.0版本提供的增强功能将显著提升监控能力,值得优先考虑升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00