HyperDX开源项目发布@hyperdx/common-utils@0.2.0版本解析
HyperDX是一个开源的观测性平台,专注于提供强大的日志、指标和追踪数据分析能力。本次发布的@hyperdx/common-utils@0.2.0版本是该项目的核心工具库更新,带来了多项重要改进和新功能,特别是在指标查询、图表渲染和系统集成方面有显著增强。
核心功能增强
指标查询优化
新版本对数值型聚合查询进行了重要改进,当处理非数值型数据时,现在会使用类型的默认值(如0)而不是返回null。这一改变使得前端展示更加友好,避免了null值带来的显示问题。
在指标查询方面,新增了对SUM指标作为值而非速率查询的支持,这为业务指标分析提供了更多灵活性。同时修复了聚合条件在sum/gauge/histogram指标中的问题,确保了查询结果的准确性。
图表渲染改进
引入了CTE(Common Table Expression)渲染支持,开发者现在可以使用完整的图表配置对象实例来指定CTE。这一特性特别解决了delta事件查询中URI过长的问题,提升了大数据量查询的稳定性。
新增了图表比例计算功能,使得对比分析更加直观。同时改进了renderWith方法的实现逻辑,使其更加简洁高效,并增加了相应的测试用例保证稳定性。
OTEL指标全面支持
新版本显著增强了对OpenTelemetry(OTEL)指标的支持:
- 在源配置设置中新增了对多种OTEL指标类型的支持
- 增加了对OTEL直方图指标表的查询支持
- 新增了摘要和指数直方图指标到源表单和数据库存储
- 实现了直方图查询的百分位计算功能,确保对所有数据点进行准确计算
这些改进使得HyperDX能够更好地与OpenTelemetry生态系统集成,为用户提供更全面的可观测性数据支持。
性能与稳定性提升
- 默认使用ClickHouse库通过POST请求执行查询,提升了大数据量查询的可靠性
- 修复了"Failed to fetch"错误,提高了系统稳定性
- 优化了查询承诺重用机制,避免重复请求
- 改进了元数据getAllKeyValues查询,确保键值作用域限定在表内
- 修复了时间范围过滤在告警中的bug
用户体验改进
- 新增了Kubernetes预设仪表板,简化了容器环境监控设置
- 实现了日志与指标的关联流程,便于问题排查
- 改进了v2 Lucene的键值自动补全功能
- 支持在多隐式字段上进行搜索(BETA功能)
- 修复了显示非OTEL跨度(如ClickHouse OpenTelemetry跨度日志)的问题
技术架构调整
- 全面采用clickhouse-js处理所有客户端查询
- 新增了统一构建流程,支持认证与非认证多阶段构建
- 升级ClickHouse客户端至v1.11.1版本
- 移除了浏览器端的keep_alive设置
- 将rrweb事件获取逻辑移至客户端而非API路由
总结
@hyperdx/common-utils@0.2.0版本的发布标志着HyperDX在指标分析能力和系统稳定性方面迈出了重要一步。特别是对OpenTelemetry指标的全面支持,使得它能够更好地服务于云原生环境下的可观测性需求。性能优化和用户体验改进也使该工具更适合生产环境使用。这些改进为开发者提供了更强大、更可靠的工具来构建和运维现代分布式系统。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00