OpenMeter v1.0.0-beta.212 版本发布:自定义计费功能与多项优化
2025-07-02 20:23:20作者:郁楠烈Hubert
OpenMeter 是一个开源的计量和计费系统,旨在帮助企业实现灵活的资源使用计量和计费功能。最新发布的 v1.0.0-beta.212 版本带来了一系列重要的功能更新和优化,特别是引入了备受期待的自定义计费功能。
自定义计费功能正式登场
本次版本最引人注目的变化是新增了完整的自定义计费功能栈。开发团队通过三个关键提交逐步构建了这一功能:
- 首先实现了 Skaffold 自定义计费的基础架构,为后续功能奠定了基础
- 随后开发了自定义计费应用程序,提供了用户友好的操作界面
- 最后完善了自定义计费的 API 接口,使开发者能够以编程方式集成这一功能
自定义计费功能的加入使得 OpenMeter 能够满足企业更复杂的计费场景需求,特别是那些需要特殊计费规则或定制化发票格式的用户。
API 与客户端改进
在 API 方面,开发团队移除了 /api/v2/events 端点的 x-internal 标记,使得这个接口更加开放和标准化。同时,JavaScript SDK 也获得了增强,新增了多个实用方法,进一步提升了开发者的使用体验。
计费逻辑优化与问题修复
本次发布包含了多个针对计费系统的优化和修复:
- 修复了计划附加组件分配的相关问题,确保计费项能够正确关联
- 改进了固定费用折扣的幂等性处理,防止重复计费
- 完善了附加组件删除时的验证逻辑
- 修正了 API 请求映射器中关于最大数量的处理
- 增强了错误处理机制,添加了更详细的错误包装信息
这些改进显著提升了系统的稳定性和计费准确性。
架构调整与兼容性改进
在架构层面,开发团队对自定义计费设置进行了重命名,使其命名更加清晰和一致。此外,还针对计划附加组件与费率卡的兼容性进行了专门调整,确保系统各组件能够更好地协同工作。
性能与稳定性增强
在底层系统方面,本次发布优化了收集器的调度器关闭逻辑,提高了系统在关闭时的稳定性。同时,改进了按计划键过滤客户订阅的功能,提升了查询效率。
总结
OpenMeter v1.0.0-beta.212 版本标志着该项目在计费功能上的重大进步,特别是自定义计费功能的引入为系统带来了更强的灵活性。同时,多项优化和修复使得系统更加稳定可靠。对于需要高度定制化计费解决方案的企业来说,这个版本值得关注和评估。
登录后查看全文
热门项目推荐
相关项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
941
868
openEuler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。
C
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557