Jitsu v2.9.0 版本发布:数据管道与事件处理的新特性解析
Jitsu 是一个开源的实时数据收集和处理平台,它能够帮助企业高效地捕获、转换和路由用户行为数据到各种数据仓库和分析工具。作为一个功能强大的数据管道解决方案,Jitsu 特别适合需要处理大规模事件数据的场景,如网站分析、用户行为追踪和营销自动化等。
核心功能更新
通知系统增强
本次版本最显著的改进之一是新增了通知订阅功能。用户现在可以订阅同步和批处理状态的通知,目前自托管版本支持Slack通知。这一功能对于运维团队尤为重要,能够实时掌握数据处理状态,及时发现并解决问题。
同步状态编辑功能
在数据同步过程中,Jitsu现在允许用户通过UI界面直接编辑保存的状态。这一改进大大提升了操作便利性,使得数据工程师能够更灵活地管理同步过程,而无需通过复杂的后端操作。
函数仓库API扩展
JavaScript函数现在新增了Warehouse API,可以直接从ClickHouse数据仓库查询数据。这一功能扩展了数据处理能力,使得在数据转换过程中可以直接引用仓库中的历史数据,为复杂的数据处理场景提供了更多可能性。
数据目的地优化
Snowflake认证增强
Snowflake目的地现在支持Key-Pair认证方式,为企业级安全需求提供了更多选择。同时修复了字母数字列可能被错误创建为"引用"大小写敏感列的问题,提高了数据导入的准确性。
Posthog与GA4改进
Posthog目的地修复了匿名用户追踪的问题,而GA4目的地则解决了零值购买/交易的处理问题。这些改进确保了数据分析的完整性和准确性。
自托管部署优化
存储方案灵活性
Redis重新成为可行的持久化存储解决方案,为不同规模和环境下的部署提供了更多选择。同时,rotor组件现在支持使用第三方S3兼容存储来存储MaxMind数据,进一步提高了部署的灵活性。
Kafka安全增强
新增了对Kafka SSL配置中自定义CA证书的支持,以及可配置的重试主题保留时间,这些改进显著提升了数据处理的可靠性和安全性。
性能与稳定性提升
批量处理性能得到了优化,ClickHouse目的地的列宽限制增加到127,MySQL目的地修复了某些版本上主键管理查询不工作的问题。这些改进共同提升了系统的整体稳定性和处理能力。
开发者体验改进
JavaScript SDK(@jitsu/js)更新至1.9.17版本,新增了自定义cookie名称的选项,并优化了在高吞吐量场景下的getSeed生成逻辑。同时移除了可能存在风险的console.logs,提高了生产环境的安全性。
Jitsu v2.9.0版本的这些改进,从功能扩展、性能优化到安全性增强,全方位提升了平台的数据处理能力和用户体验,使其在实时数据管道领域继续保持领先地位。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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