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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00