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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00