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。
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。C030
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