Sentry JavaScript SDK 9.24.0版本发布:Angular 20支持与错误监控增强
Sentry是一个开源的应用程序监控平台,专注于错误跟踪和性能监控。其JavaScript SDK为前端和后端JavaScript应用提供了强大的错误捕获和性能分析能力。本次发布的9.24.0版本为开发者带来了多项重要更新,特别是对Angular框架的支持扩展和错误监控功能的增强。
Angular 20支持
本次更新的亮点之一是正式添加了对Angular 20框架的支持。Angular作为三大主流前端框架之一,其每个主要版本更新都会引入新的特性和改进。Sentry团队紧跟Angular的发展步伐,确保开发者在使用最新版Angular时也能无缝集成Sentry的错误监控功能。
对于使用Angular的开发者来说,这意味着:
- 可以安全地将项目升级到Angular 20,同时保持Sentry监控的完整性
- 无需担心兼容性问题,Sentry会正确处理Angular 20特有的错误和异常
- 能够利用Sentry提供的Angular专属功能,如路由错误追踪等
浏览器错误监控增强
新版本在浏览器错误监控方面做了重要改进,增加了unregisterOriginalCallbacks选项到browserApiErrorsIntegration中。这个功能主要针对以下场景:
当开发者使用Sentry监控浏览器API错误时,有时需要完全接管原始的错误处理逻辑。通过设置这个选项为true,Sentry会取消注册原有的回调函数,确保错误处理流程完全由Sentry控制。这在以下情况下特别有用:
- 需要避免重复的错误报告
- 想要完全自定义错误处理流程
- 在复杂的微前端架构中确保错误处理的唯一性
日志与用户关联
在9.24.0版本中,Sentry增强了日志功能,现在会自动将用户信息关联到日志中。这意味着:
- 开发者可以更容易地追踪特定用户产生的日志
- 在排查问题时能够快速定位到相关用户的活动
- 日志分析时可以获得更完整的上下文信息
这个改进对于需要审计追踪或分析用户行为的应用特别有价值,使得问题排查更加高效。
Supabase数据库查询洞察
对于使用Supabase的开发者,新版本确保数据库查询的洞察数据能够正确填充。这意味着:
- Supabase查询的性能数据会被准确捕获
- 开发者可以分析数据库查询对应用性能的影响
- 慢查询和问题查询更容易被识别和优化
总结
Sentry JavaScript SDK 9.24.0版本通过支持Angular 20、增强错误监控能力、改进日志关联和优化数据库洞察,为开发者提供了更强大、更全面的应用监控解决方案。这些改进不仅提升了监控的准确性,也使得问题排查更加高效,帮助开发者构建更稳定、性能更好的JavaScript应用。
对于正在使用或考虑使用Sentry的团队,建议评估这些新特性如何能够更好地服务于你的监控需求,特别是如果你正在使用Angular 20或Supabase等技术栈。
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07