Tianji 监控系统 v1.21.0 版本发布:新增推送监控功能与API管理增强
Tianji 是一个现代化的开源监控系统,专注于为开发者提供简单易用的应用监控解决方案。该系统采用先进的技术架构,支持多种数据采集方式,并提供直观的可视化界面,帮助开发者快速发现和解决应用性能问题。
本次发布的 v1.21.0 版本带来了多项重要功能更新,主要集中在监控推送机制和API管理方面的增强,进一步提升了系统的实用性和易用性。
核心功能更新
1. 推送监控功能正式上线
v1.21.0 版本引入了全新的推送监控功能,这是本次更新的重点特性。该功能允许系统主动将监控警报和重要信息推送到指定终端,大幅提升了监控的实时性和响应速度。
系统实现了完整的推送状态管理组件(MonitorPushStatus),可以清晰展示当前推送服务的运行状态。开发者可以方便地查看推送是否成功、最近推送时间等关键信息。
特别值得一提的是,系统支持推送令牌的重新生成功能(Push Token Regeneration),当令牌泄露或需要定期更换时,开发者可以一键生成新的安全令牌,确保推送通道的安全性。
2. API管理功能增强
在API管理方面,新版本增加了API描述信息的编辑功能。现在开发者可以直接在API管理页面为每个API接口添加详细的描述信息,包括用途说明、参数解释等,这使得API文档更加完善,便于团队协作和后期维护。
3. 定时任务与消息队列监控
系统新增了对定时任务(Cron Jobs)和消息队列操作的Prometheus计数器支持。通过集成Prometheus监控指标,开发者可以更精确地掌握后台任务的执行情况,包括任务执行次数、执行时长等关键指标,为系统优化提供数据支持。
开发环境优化
针对开发团队,v1.21.0 版本集成了Stagewise工具栏,为开发环境提供了更多调试和分析工具。这一改进显著提升了开发效率,使开发者能够更快速地定位和解决问题。
此外,开发模式下新增了SVG徽章代理功能,方便开发者在本地环境中测试和预览各种状态徽章,确保它们在生产环境中能够正确显示。
国际化与文档完善
本次更新在国际化方面也做了大量工作,新增了多语言支持,特别是推送功能相关的翻译内容。系统文档也同步更新,新增了关于推送监控的详细使用说明,帮助开发者快速上手新功能。
同时,项目还新增了全局规则和项目结构文档,为贡献者提供了清晰的开发指南,有助于社区成员更好地理解和参与项目开发。
技术实现亮点
从技术实现角度看,v1.21.0 版本展现了Tianji团队对系统可靠性和扩展性的持续关注:
- 推送监控采用了健壮的异步处理机制,确保在高负载情况下仍能可靠地传递重要通知。
- API管理功能采用前后端分离架构,描述信息的编辑实时同步到后端,用户体验流畅。
- Prometheus指标的引入为系统提供了更细粒度的性能监控能力,是向可观测性系统演进的重要一步。
总结
Tianji v1.21.0 版本的发布标志着该系统在主动监控能力上迈出了重要一步。推送监控功能的加入使Tianji从被动收集数据转向主动通知异常,大大缩短了问题响应时间。API管理和开发工具的增强则进一步提升了系统的易用性和可维护性。
对于正在寻找轻量级但功能全面监控解决方案的团队来说,这个版本提供了更强大的功能和更完善的使用体验。随着社区生态的不断完善,Tianji正在成长为一个值得信赖的开源监控选择。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00