TurboVNC 3.2 Beta1发布:远程图形桌面性能与安全新高度
TurboVNC是一个高性能的虚拟网络计算(VNC)实现,它基于TightVNC但进行了大量优化,特别适合在高速网络上传输图形桌面。作为专业级的远程桌面解决方案,TurboVNC在科学计算、工程设计和多媒体应用等场景中表现出色。
核心性能提升
本次3.2 Beta1版本最显著的改进是集成了zlib-ng压缩库。这一优化使得Lossless Tight + Zlib编码方法以及Tight + JPEG编码方法中的非JPEG子矩形编码性能得到显著提升:
- 在现代x86-64 CPU上性能提升约10-15%
- 在现代AArch64 CPU上性能提升约25-30%
对于需要频繁传输大量图形数据的专业用户来说,这意味着更流畅的远程桌面体验和更高的工作效率。
服务器端重大改进
TurboVNC服务器现在支持DRI3 X扩展,配合开源GPU驱动使用时,无需VirtualGL即可实现GPU加速。虽然配合VirtualGL仍能获得最佳性能,但这一改进为用户提供了更多选择。
在构建系统方面,TurboVNC现在完全依赖系统提供的库文件,移除了对旧版本库的静态链接支持。这一变化使得安装包更小,与系统其他组件的兼容性更好。
客户端功能增强
安全连接全面升级
内置SSH客户端基于JSch v0.2.23进行了重构,增加了多项现代加密协议支持:
- 新增Curve25519密钥交换方法
- 支持Diffie-Hellman Group 14-18密钥交换
- 增加Ed25519签名方案支持
- 支持加密后MAC(EtM)算法
- 新增Galois/Counter Mode(GCM)加密方式
- 支持hmac-sha2-512 MAC算法
同时默认禁用了不安全的算法,包括3DES、CBC加密方式、DSS签名方案等,显著提升了连接安全性。
多级SSH隧道支持
新增的Jump参数支持跳板机功能,可以实现多级SSH隧道连接。这一特性特别适合企业环境中需要通过网关访问内部VNC服务器的场景,既保证了安全性又简化了配置流程。
用户体验优化
- 工具栏图标更新为更现代的样式
- 新增支持扩展鼠标按钮功能
- Mac版本全屏模式下可自动隐藏菜单栏和Dock
- 改进的滚动体验,支持边缘滚动(bump scrolling)
兼容性调整
考虑到现代操作系统的发展趋势,3.2版本不再提供32位Windows安装包,因为Windows 10/11已逐步放弃对32位CPU的支持,且OpenJDK 21也移除了32位Windows支持。
配置管理改进
新版对配置系统进行了重构,将高级参数单独列出,使普通用户界面更加简洁。同时统一了环境变量和系统属性的管理方式,使配置更加一致和易于维护。
总结
TurboVNC 3.2 Beta1在性能、安全性和用户体验方面都带来了显著提升。特别是zlib-ng的集成和多级SSH隧道的支持,使其在专业应用场景中更具竞争力。这个版本为需要高性能远程图形访问的用户提供了更安全、更高效的解决方案,值得技术用户关注和测试。
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。C095
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