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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00