Foyer项目v0.17.0版本发布:混合缓存系统的重要升级
Foyer是一个用Rust语言开发的高性能混合缓存系统,它结合了内存缓存和磁盘缓存的优势,为应用程序提供高效的缓存解决方案。在最新发布的v0.17.0版本中,Foyer带来了一系列重要的改进和新特性,显著提升了系统的性能和可用性。
核心特性改进
1. 缓存条目属性重构
新版本对缓存条目的属性管理进行了重大重构,将ephemeral(临时性)、hint(提示)和location(位置)等属性统一打包到CacheProperties和HybridCacheProperties结构中。开发者现在可以通过insert_with_properties()和fetch_with_properties()方法来设置这些属性,这使得API更加统一和简洁。
对于从旧版本迁移的用户,需要将原来的.insert_with_hint()、.insert_ephemeral()等方法替换为新的属性设置接口。
2. 磁盘缓存插入优化
v0.17.0版本改进了从磁盘缓存填充条目的处理机制:
- 引入了基于年龄的FIFO策略来管理大型对象的磁盘缓存
- 跟踪内存缓存条目的来源
- 当内存缓存条目被插入到磁盘缓存时,系统会根据条目的来源和年龄决定是否跳过该操作,避免不必要的磁盘写入
3. 关闭时的缓存刷新支持
新版本增加了在关闭混合缓存时将内存中的缓存条目刷新到磁盘的功能。这一特性可以通过在混合缓存构建器中设置.with_flush_on_close(true)来启用,确保在系统关闭时不会丢失重要的缓存数据。
4. IO限流机制增强
IO限流功能得到了显著增强:
- 支持基于读写IOPS和吞吐量的高级限流
- 支持按IO计数或IO计数加IO大小两种方式进行IO统计
- 移除了旧的
RateLimiterAmissionPicker,改为直接在设备级别设置IO限流
5. 请求去重与单次飞行优化
磁盘缓存现在支持通过fetch()接口实现请求去重和单次飞行优化。开发者可以使用.fetch_with_properties()API,并将HybridCacheProperties中的location设置为Location::OnDisk来利用这一优化。
其他重要改进
-
构建器API:新增了
builder()API,为Cache和HybridCache提供了更便捷的构建方式。 -
依赖优化:默认情况下不再包含tracing依赖,需要通过启用
tracing特性来使用相关功能。 -
性能监控:升级了
mixtrics到v0.1版本,改进了性能监控能力。 -
Grafana仪表板:改进了Grafana仪表板的变量设置,提供更灵活的监控视图。
-
指标收集:增加了对LODC索引器插入冲突的指标收集,帮助开发者更好地理解系统行为。
性能优化
新版本在多个方面进行了性能优化:
- 通过年龄感知的磁盘缓存插入策略减少了不必要的磁盘写入
- 优化的IO限流机制可以更精确地控制资源使用
- 请求去重和单次飞行优化减少了重复操作的开销
- 改进了内存缓存到磁盘缓存的刷新机制,减少了关闭时的性能冲击
迁移指南
对于从旧版本升级的用户,需要注意以下变更:
- 缓存属性API的变化,需要使用新的
insert_with_properties()和fetch_with_properties()方法 - IO限流设置方式的变化,现在直接在设备级别配置
- 如需使用tracing功能,需要显式启用
tracing特性 - 关闭时刷新功能需要显式启用
Foyer v0.17.0版本通过这一系列改进,为开发者提供了更强大、更灵活的缓存解决方案,特别是在大规模数据处理和高并发场景下,能够提供更稳定和高效的性能表现。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00