Bento 1.5.0版本发布:消息处理引擎的重大升级
Bento是一个高性能的消息处理引擎,它能够帮助开发者构建高效、可靠的数据处理管道。作为一个开源项目,Bento提供了丰富的输入输出组件和处理能力,可以轻松集成到各种数据流处理场景中。最新发布的1.5.0版本带来了多项重要改进和新功能,进一步增强了其在云原生环境和大数据处理方面的能力。
核心功能增强
在1.5.0版本中,Bento对多个关键组件进行了功能增强。GCP BigQuery写入API的日志消息格式得到了优化,使得日志输出更加清晰易读。GCP云存储输入组件现在支持Bloblang插值功能,这意味着开发者可以在配置中使用更灵活的动态表达式来定义数据处理逻辑。
NATS KV处理器新增了对元数据值的支持,这使得在处理键值存储数据时能够携带更多上下文信息。Kafka Franz输入组件新增了速率限制功能,帮助开发者更好地控制数据消费速度,防止系统过载。
新增组件与功能
1.5.0版本引入了几个重要的新组件。ZeroMQ输入输出组件的加入为Bento带来了轻量级消息队列的支持,特别适合需要低延迟、高吞吐量的场景。S2输入输出组件则为处理地理空间数据提供了原生支持。
在数据处理能力方面,新增的字符串repeat方法丰富了Bloblang的功能集,使得字符串操作更加灵活。AWS S3处理器新增了delete_objects功能,简化了对象存储中的批量删除操作。GCP BigQuery选择处理器新增了unsafe_dynamic_query选项,为需要动态SQL查询的场景提供了更多可能性。
安全性与可靠性改进
安全性方面,Cypher输出组件新增了TLS配置字段,增强了数据传输的安全性。日志系统新增了"sampling bundle"功能,帮助开发者在保持日志完整性的同时控制日志量,特别是在高负载场景下。
在数据编码方面,Parquet编码的默认字符串字段编码方式从DELTA_LENGTH_BYTE_ARRAY改为PLAIN,这一改变提高了兼容性和处理效率。
开发者体验优化
为了帮助开发者更好地理解和使用Bento,1.5.0版本新增了一个插件示例模块。这个模块展示了如何为Bento开发自定义组件,大大降低了扩展Bento功能的门槛。
总结
Bento 1.5.0版本通过新增组件、增强现有功能和改进开发者体验,进一步巩固了其作为现代数据处理管道的首选工具地位。无论是处理云服务数据、消息队列还是地理空间信息,这个版本都提供了更强大、更灵活的工具集。对于需要构建可靠、高效数据处理系统的开发者来说,升级到1.5.0版本将带来显著的性能提升和功能增强。
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。C0105
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.Python059
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