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。
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0194- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00