Kinto项目23.0.0版本发布:监控指标优化与性能提升
Kinto是一个轻量级的JSON存储服务,主要用于Web和移动应用程序的后端数据存储。它提供了简单的RESTful API接口,支持多用户协作、权限控制和数据同步等功能。Kinto的设计理念是简单、灵活和可扩展,使其成为构建现代Web应用的理想选择。
监控指标的重大改进
在23.0.0版本中,Kinto团队对系统的监控指标进行了两项重要的架构调整:
-
移除请求大小和持续时间的状态标签:为了提高监控数据的聚合效果,开发团队决定从
request_size和request_duration_seconds指标中移除status标签。这一变化使得监控数据更加紧凑,减少了存储和查询的开销,同时保持了足够的诊断能力。 -
精简Prometheus直方图桶数量:将Prometheus直方图的桶数量从默认值缩减到8个。这一优化显著降低了监控系统的内存占用和计算开销,同时仍然提供了足够精细的延迟分布信息。对于大多数应用场景来说,8个桶已经能够很好地反映系统的性能特征。
新增配置选项
新版本引入了灵活的监控配置能力:
-
禁用默认指标:现在可以通过配置选择性地禁用某些默认收集的监控指标,这对于资源受限的环境或特定场景下的性能调优特别有用。
-
自定义桶配置:开发者可以根据实际需求调整直方图的桶边界,使其更好地匹配应用的性能特征。例如,对于延迟敏感型应用,可以在低延迟区域设置更密集的桶。
稳定性与性能修复
本次发布包含了多个重要的稳定性改进:
-
Makefile优化:改进了项目的构建系统,避免了不必要的重复安装操作,显著加快了开发环境的构建速度。
-
修复重复指标问题:解决了Prometheus监控指标重复收集的问题,这个问题会导致监控数据不准确和资源浪费。修复后,系统能够正确地收集和暴露各项指标。
升级建议
对于正在使用Kinto的生产环境,升级到23.0.0版本时需要注意:
- 由于监控指标的标签和桶配置发生了变化,现有的监控仪表板和告警规则可能需要相应调整。
- 新版本的监控数据存储效率更高,长期来看将降低系统的运维负担。
- 建议在测试环境中验证自定义监控配置的效果,确保它们满足业务需求后再部署到生产环境。
23.0.0版本的这些改进使Kinto在保持轻量级特性的同时,进一步提升了系统的可观测性和运行效率,为构建可靠的数据服务提供了更强大的基础。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01