Grafana Beyla v2.0.6版本发布:增强Prometheus资源标签支持与HTTP检测修复
Grafana Beyla是一款开源的eBPF应用监控工具,它能够通过eBPF技术无侵入式地采集应用程序的指标数据,并将这些数据导出到Prometheus、OpenTelemetry等监控系统中。该工具特别适合云原生环境下的应用性能监控,能够帮助开发者快速定位性能瓶颈。
Prometheus资源标签支持增强
在v2.0.6版本中,Beyla对Prometheus导出功能进行了重要改进。由于Prometheus API客户端的内部限制,Beyla需要预先知道每个指标暴露哪些属性。这导致一些运行时发现的属性(如通过Kubernetes注解或应用程序环境变量OTEL_RESOURCE_ATTRIBUTES定义的属性)默认情况下在Prometheus中不可见。
例如,当应用程序设置了环境变量OTEL_RESOURCE_ATTRIBUTES=deployment.environment=production时,如果指标通过OpenTelemetry导出,target_info{deployment.environment="production"}属性会正常显示;但如果通过Prometheus导出,这个属性默认不会显示。
为了解决这个问题,v2.0.6版本引入了prometheus > extra_resource_attributes配置项(或对应的环境变量BEYLA_PROMETHEUS_EXTRA_RESOURCE_ATTRIBUTES)。开发者可以在此配置项中指定需要额外暴露的资源属性。例如,要使deployment_environment在Prometheus中可见,只需将其添加到配置中即可。
这一改进使得Beyla在Prometheus导出功能上更加灵活,能够更好地与现有的OpenTelemetry生态系统集成,确保在不同导出方式下获得一致的监控体验。
HTTP检测修复
v2.0.6版本还修复了OpenTelemetry HTTP排除检测的一个问题。在某些情况下,Beyla可能无法正确识别应该排除的HTTP请求,导致不必要的监控数据被收集。这个修复确保了HTTP请求的排除规则能够被准确应用,提高了监控数据的精确度和相关性。
其他改进
除了上述主要改进外,v2.0.6版本还包含了一些其他优化:
- 更新了Makefile中的BUILDINFO_PKG引用,确保构建过程更加稳定
- 修复了示例部署配置,使其更加准确可靠
- 移除了文档中的relref短代码,提高了文档的可读性和维护性
总结
Grafana Beyla v2.0.6版本通过增强Prometheus资源标签支持和修复HTTP检测问题,进一步提升了工具的实用性和可靠性。这些改进使得Beyla在复杂的云原生环境中能够提供更加精确和全面的应用性能监控数据,为开发者优化应用性能提供了更有力的支持。
对于已经使用Beyla的用户,建议升级到此版本以获得更好的监控体验;对于新用户,这个版本也是一个不错的起点,可以体验到更加完善的监控功能。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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