Grafana Infinity Datasource 3.0.0版本发布:增强HTTP支持与数据解析能力
Grafana Infinity Datasource是一个功能强大的Grafana数据源插件,它允许用户从各种非传统数据源中获取数据并在Grafana中进行可视化。该插件支持多种数据格式和协议,包括REST API、GraphQL、CSV、JSON、XML等,为用户提供了极大的灵活性。
近日,该项目发布了3.0.0版本,带来了多项重要改进和新功能。本文将详细介绍这些更新内容及其技术意义。
新增HTTP方法支持
3.0.0版本通过数据源配置中的allowDangerousHTTPMethods选项,新增了对PATCH、PUT和DELETE等HTTP方法的支持。这一改进使得插件能够处理更广泛的API操作场景:
- PATCH方法:支持部分资源更新操作
- PUT方法:支持完整资源替换操作
- DELETE方法:支持资源删除操作
这些方法的加入大大扩展了插件与后端API的交互能力,使得用户可以在Grafana中实现更复杂的数据操作流程。需要注意的是,这些方法被标记为"危险"方法,需要显式启用,这体现了良好的安全设计理念。
Grafana元数据传递功能
新版本增加了将Grafana元数据(如用户ID、数据源UID等)作为头部信息或查询参数传递给底层API的功能。这一特性为以下场景提供了便利:
- 身份验证与授权:后端API可以根据Grafana用户信息进行细粒度的访问控制
- 审计追踪:API可以记录请求来源的具体用户和数据源信息
- 个性化响应:API可以根据不同用户或数据源返回定制化的数据
这一功能通过数据源设置进行配置,为构建更安全、更个性化的数据集成方案提供了基础。
数据解析与处理改进
3.0.0版本在数据解析方面做出了重要改进:
-
默认后端解析器:新版本将后端解析器设为默认选项,这能带来更好的性能和更稳定的数据处理能力。现有使用前端解析器的查询仍然可以正常工作,如果出现问题,用户可以选择手动切换回前端解析器。
-
Gzip压缩支持:所有出站请求现在默认支持Gzip压缩,这显著减少了网络传输的数据量,提高了数据传输效率,特别是在处理大量数据时效果更为明显。
-
数据帧类型增强:数值数据帧现在包含符合数据平面规范的帧类型信息。这一改进确保了结果在警报、数据查询和服务器发送事件(SSE)等场景中能够被正确处理。
兼容性要求
3.0.0版本是一个重大更新,它要求Grafana版本至少为10.4.8或更高。这一变更意味着:
- 用户需要确保他们的Grafana实例满足最低版本要求
- 新版本可能利用了Grafana 10.4.8引入的新API或功能
- 升级前应评估现有环境是否兼容
技术意义与建议
Grafana Infinity Datasource 3.0.0的发布标志着该项目在功能完整性和稳定性方面迈出了重要一步。对于技术团队而言,这些更新带来了以下优势:
-
更丰富的API交互能力:新增的HTTP方法支持使得插件能够覆盖更广泛的API使用场景。
-
更好的集成能力:元数据传递功能为构建更紧密的Grafana与后端系统集成提供了可能。
-
更高效的数据处理:后端解析器作为默认选项以及Gzip压缩的支持,显著提升了数据处理效率。
-
更可靠的数据表示:增强的数据帧类型确保了数据在各种Grafana功能中的一致性表现。
对于计划升级的用户,建议:
- 首先验证现有Grafana版本是否符合要求
- 测试环境中验证现有查询在新版本中的表现
- 评估是否需要利用新功能重构现有数据源配置
- 关注从前端解析器切换到后端解析器可能带来的行为变化
总的来说,Grafana Infinity Datasource 3.0.0通过增强HTTP支持、改进数据解析能力和提升集成特性,为用户提供了更强大、更灵活的数据可视化解决方案。这些改进使得它成为连接Grafana与各种数据源的更优选择。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00