Sentry JavaScript SDK 9.9.0版本发布:浏览器日志与链路追踪增强
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。最新发布的9.9.0版本带来了多项重要改进,特别是在浏览器日志记录和分布式追踪方面。
核心功能增强
浏览器日志记录支持
9.9.0版本为浏览器端引入了全新的日志记录API,开发者现在可以通过Sentry.logger方法直接记录结构化日志:
Sentry.init({
dsn: 'your-dsn-here',
_experiments: {
enableLogs: true, // 必须启用实验性功能才能使用日志
},
});
// 记录不同级别的日志
Sentry.logger.info('用户登录成功', { userId: 123 });
Sentry.logger.warn('API响应缓慢', { endpoint: '/api/data' });
Sentry.logger.error('数据加载失败', { error: err });
这一功能为即将推出的Sentry日志产品奠定了基础,使开发者能够统一管理应用的错误、性能指标和日志数据。
分布式追踪改进
在分布式追踪方面,新版本增加了跨trace的链路连接功能。当一个新的trace开始时,SDK会自动创建与之前trace的关联:
Sentry.init({
integrations: [
Sentry.browserTracingIntegration({
linkPreviousTrace: 'in-memory', // 可选: 'in-memory'(默认)|'session-storage'|'off'
}),
],
});
这一改进使得在复杂的单页应用(SPA)中,用户跨页面或长时间会话的完整旅程能够被更好地追踪和分析。
Next.js集成优化
针对Next.js框架,9.9.0版本提前支持了即将发布的instrumentation-client.ts特性。开发者现在可以将原有的sentry.client.config.ts迁移到这个新文件中,或者将配置内容合并到现有的instrumentation-client.ts中。
这一变化确保了SDK与Next.js未来版本的兼容性,同时也为开发者提供了更灵活的客户端配置方式。
性能优化
9.9.0版本对核心功能进行了多项性能优化:
- 优化了
dropUndefinedKeys方法的执行效率,减少了不必要的对象遍历 - 移除了NestJS集成中非可枚举属性的使用,提升了框架兼容性
- 改进了Nuxt.js集成,移除了不必要的Nitro 'close'钩子
这些优化使得SDK在运行时更加高效,特别是在高频监控场景下能够减少对应用性能的影响。
错误处理增强
新版本对浏览器中的"Failed to fetch"错误进行了增强处理,现在会自动附加请求的主机信息到错误消息中。这使得在Sentry面板中能够更直观地识别出问题的网络请求来源。
对于Node.js环境,Fastify框架现在支持自定义的shouldHandleError回调,开发者可以更灵活地控制哪些错误需要被捕获和上报。
总结
Sentry JavaScript SDK 9.9.0版本通过引入日志记录API、增强分布式追踪能力、优化框架集成和提升性能,为开发者提供了更全面的应用监控解决方案。特别是浏览器日志功能的加入,标志着Sentry正在向更完整的可观测性平台演进。对于使用Next.js、Nuxt.js等现代前端框架的团队,这一版本提供了更好的兼容性和更优的性能表现。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
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