MLRun v1.8.0-rc36版本发布：模型监控与功能增强

MLRun是一个开源的机器学习运维(MLOps)平台，它简化了机器学习工作流程的构建、部署和管理过程。作为数据科学家和机器学习工程师的强大工具，MLRun提供了从数据准备到模型部署的全生命周期管理能力。

核心功能更新

本次发布的v1.8.0-rc36版本带来了多项重要改进，主要集中在模型监控和功能增强方面。

模型监控功能优化

在模型监控方面，开发团队做出了两项关键改进。首先，默认禁用了直方图应用中的Plotly图表输出，这一变化减少了不必要的资源消耗，提高了系统效率。其次，现在可以通过add_model方法直接添加输出参数，这为模型监控的配置提供了更大的灵活性。

数据流处理改进

对于使用V3IO流的数据处理场景，修复了控制器在处理提交偏移量(committed offset)时的问题。这一修复确保了数据流处理的准确性和可靠性，特别是在长时间运行的监控任务中。

功能增强与API优化

项目与工件管理

项目加载机制得到了改进，现在在从Git重新加载项目前需要先关闭当前项目，这一变更避免了潜在的资源冲突问题。在工件(Artifact)管理方面，确保了list_artifacts方法在设置limit参数时的正常工作，并且改进了结果的排序机制，使得工件列表更加有序和可预测。

废弃功能清理

本次版本继续推进API的清理工作，移除了多个已废弃的API接口，包括特征存储(Feature Store)中的一些过时功能。同时修复了last参数移除后可能引发的问题，保持了向后兼容性。

测试与稳定性提升

在测试方面，改进了多线程会话测试(test_sessions_are_different_per_thread_100)，提高了测试的可靠性和准确性。对于Nuclio集成，现在在API调用中强制要求提供项目名称，增强了系统的健壮性。

总结

MLRun v1.8.0-rc36版本在模型监控、数据处理和系统稳定性方面做出了重要改进。这些变更不仅提升了平台的性能和可靠性，也为用户提供了更加流畅的开发体验。随着废弃功能的逐步清理和新功能的持续引入，MLRun正朝着更加成熟和稳定的方向发展。