Centrifugo v6.0.3 版本发布:实时消息服务器性能优化详解
Centrifugo 是一款开源的实时消息服务器,它能够通过多种传输协议(如 WebSocket、HTTP-streaming、SSE/EventSource、GRPC 和 WebTransport)将消息即时推送给在线用户。Centrifugo 采用通道(channel)的概念,实现了面向用户的发布/订阅(PUB/SUB)模式。它语言无关,可以与任何后端结合使用,非常适合构建聊天应用、实时评论、多人在线游戏、实时数据可视化和协作工具等现代架构应用。
性能优化亮点
单向传输协议改进
在 v6.0.3 版本中,Centrifugo 对单向传输协议进行了多项优化:
-
SSE(Server-Sent Events)传输优化:现在支持在调用
Flush之前将多条消息写入底层 HTTP 连接缓冲区,从而继承了 Centrifugo 客户端协议的消息批处理能力。这种改进减少了系统调用次数,降低了 CPU 使用率。 -
HTTP流传输优化:实现了与 SSE 相同的改进,提高了消息传输效率。
-
WebSocket 传输新增选项:引入了
uni_websocket.join_push_messages布尔选项。启用后,Centrifugo 可以将单向推送消息合并到单个 WebSocket 帧中。需要注意的是,客户端必须能够解码这种合并后的帧格式(对于 JSON 是新行分隔的格式),这与双向 WebSocket 使用的格式一致。 -
连接阶段优化:通过消除中间
ConnectRequest对象,减少了单向连接阶段的内存分配。
双向模拟传输优化
-
HTTP流和SSE传输:在双向模拟中使用的这两种传输协议现在也受益于与单向传输相同的连接缓冲区写入优化。
-
/emulation 端点改进:现在使用更快的 JSON 解码器处理传入请求,提高了处理效率。
文档改进
-
配置文档:改进了配置选项的可读性,使可用选项更加清晰可见。
-
单向协议文档:提供了更详细的单向协议描述,帮助开发者更好地理解和使用。
-
实时传输文档:对各种实时传输的描述进行了更好的结构化,使选项更加清晰可见。
技术细节与兼容性
-
Valkey 支持:新增了对 Valkey(原 Redis 分支)的集成测试支持。随着 AWS 将 Elasticache 迁移到 Valkey,这一支持变得尤为重要。
-
Go 版本:此版本使用 Go 1.23.6 构建,确保了更好的性能和稳定性。
-
架构支持:提供了多种操作系统和架构的预编译二进制文件,包括 Linux(amd64、arm64、armv6、386)、macOS(amd64 和 arm64)、FreeBSD(amd64)和 Windows(amd64)。
总结
Centrifugo v6.0.3 版本通过多项优化显著提升了性能,特别是在单向和双向传输协议方面。这些改进不仅提高了消息传输效率,还降低了系统资源消耗。同时,文档的改进使开发者能够更轻松地配置和使用各种功能。对于正在使用或考虑使用 Centrifugo 的开发团队来说,这个版本值得升级。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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