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。
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- 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
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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