Passenger 6.0.25 版本发布:关键修复与功能增强
项目简介
Passenger 是一个高性能的 Web 应用服务器,专为 Ruby、Python、Node.js 和 Meteor 应用程序设计。它以其稳定性、易用性和高性能著称,常被用作生产环境中的应用程序服务器。Passenger 支持多种部署方式,包括与 Nginx 和 Apache 集成,以及独立运行模式。
版本亮点
1. 编译器兼容性修复
本次 6.0.25 版本修复了与最新版 clang 19(Fedora 系统中的默认编译器)的兼容性问题。开发团队移除了移动平均头文件中的一个有问题的 stddev 函数实现,解决了编译失败的问题。这种对最新编译工具链的支持确保了 Passenger 能够在最新的操作系统环境中顺利部署。
2. 独立模式超时控制增强
在独立运行模式下,Passenger 增加了对停止超时的配置支持:
- 新增了
--stop-timeout命令行参数 - 新增了
PASSENGER_STOP_TIMEOUT环境变量 - 默认停止超时从 15 秒调整为 60 秒
- Passenger 自身的启动超时从 15 秒增加到 25 秒
这些调整使得管理员能够更灵活地控制应用程序的生命周期,特别是在处理需要更长时间关闭的复杂应用时。
3. Ruby 环境下的 Bundler 问题修复
修复了一个 Ruby 环境下的重要问题,该问题导致 Bundler 错误地尝试重新执行进程名称而非实际脚本。这个修复解决了在特定情况下 Ruby 应用启动失败的问题,提升了与 Bundler 的兼容性。
4. 企业版路由行为控制
针对企业版用户,本次更新引入了一个临时标志,允许回退到先前的路由行为:
- Apache 配置:
PassengerOldRouting on - Nginx 配置:
passenger_old_routing on - 独立模式:
--old-routing参数
这个临时解决方案旨在帮助那些可能遇到性能回退的用户,开发团队计划在未来版本中彻底解决路由问题后移除这个标志。
底层库更新
Passenger 6.0.25 更新了预编译二进制文件使用的多个库版本:
- 构建工具:cmake 从 3.31.2 升级到 3.31.3
- 网络库:curl 从 8.11.0 升级到 8.11.1
- 编码转换:libiconv 从 1.17 升级到 1.18
- Ruby 工具链:rubygems 从 3.5.23 升级到 3.6.2
- 新增了对 Ruby 3.4.1 的支持
这些底层更新带来了更好的安全性、稳定性和性能,同时也扩展了对最新 Ruby 版本的支持范围。
技术影响分析
本次更新虽然是一个小版本迭代,但包含了多个重要的修复和改进:
- 编译器兼容性修复确保了 Passenger 能够在最新的开发环境中构建
- 超时控制的增强提升了生产环境中的可靠性
- Bundler 问题的解决减少了 Ruby 开发者的困扰
- 企业版的路由回退选项为遇到性能问题的用户提供了过渡方案
对于系统管理员和开发者来说,建议评估这些变更对现有部署的影响,特别是那些运行在最新操作系统环境或使用较新 Ruby 版本的项目。超时参数的调整可能需要相应的配置更新,而路由行为的变更则主要影响企业版用户。
Passenger 持续通过这样的渐进式改进保持其在应用服务器领域的竞争力,为各种规模的 Web 应用提供稳定可靠的服务。
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 StartedRust0195
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 Notebook0124
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。Python05
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