WildFly 35.0.0.Final 发布:企业级Java应用服务器的重要更新
WildFly作为一款广受欢迎的开源Java应用服务器,近日迎来了35.0.0.Final版本的正式发布。作为Red Hat JBoss企业应用平台的上游项目,WildFly为开发者提供了轻量级、模块化且高性能的Java EE/Jakarta EE运行时环境。本次35.0.0.Final版本带来了多项重要更新,包括对MicroProfile Platform 7的支持、OpenTelemetry集成增强、Jakarta Data预览功能等,进一步提升了开发者的生产力和应用的可观测性。
核心特性更新
MicroProfile Platform 7全面支持
WildFly 35.0.0.Final版本全面集成了MicroProfile Platform 7规范,这是企业级微服务开发的重要里程碑。具体包括:
- MicroProfile OpenAPI 4.0:为RESTful服务提供更强大的API文档生成能力
- MicroProfile Fault Tolerance 4.1:增强了服务容错机制,提升系统稳定性
- MicroProfile Telemetry 2.0:从预览版升级为标准功能,提供更完善的分布式追踪支持
- MicroProfile REST Client 4.0:同样从预览版升级为标准功能,简化了REST服务调用
这些更新使得WildFly在云原生微服务领域保持了技术领先地位,为开发者构建弹性、可观测的微服务应用提供了坚实基础。
OpenTelemetry深度集成
在可观测性方面,35.0.0.Final版本对OpenTelemetry的支持进行了显著增强:
- 与MP Reactive Messaging Kafka和AMQP连接器集成,实现了消息系统的全面监控
- 重构了WildFlyOpenTelemetryConfig,提升了配置灵活性和易用性
- 解决了安全管理器环境下的兼容性问题
- 更新了相关测试容器镜像版本,确保测试环境的可靠性
这些改进使得开发者能够更轻松地获取应用性能指标和分布式追踪数据,特别是在复杂的微服务架构中。
Jakarta Data预览功能
作为对新兴规范的响应,WildFly 35.0.0.Final引入了Jakarta Data的预览支持。这一功能为数据访问提供了更高级的抽象,包括:
- 简化了数据存储库的实现
- 提供了类型安全的查询方法
- 支持多种数据存储后端
虽然目前仍处于预览状态,但这一功能为未来WildFly的数据访问能力奠定了基础。
性能与稳定性改进
本次发布包含了多项底层优化,提升了WildFly的整体性能和稳定性:
- 分布式定时服务改进了对节点挂起状态的处理,避免了潜在的问题
- JMS XA事务恢复机制在JTS环境下得到改进
- 移除了MaxMetaspaceSize和MetaspaceSize的默认设置,优化了内存管理
- 分布式会话缓存默认配置调整为非事务性缓存,提高了性能
开发者体验优化
WildFly 35.0.0.Final在开发者体验方面也做了多项改进:
- 新增了helloworld REST快速入门示例,降低了学习曲线
- 为快速入门项目添加了bootable jar支持,简化了部署流程
- 改进了JSON Merge Patch支持,增强了REST API的灵活性
- 更新了多个依赖库版本,包括Hibernate ORM 6.6.x系列、RESTEasy 6.2.11.Final等
安全增强
安全方面的重要更新包括:
- 升级HAL管理控制台至3.7.7.Final,解决了已知问题
- 更新了HornetQ版本,完善了相关功能
- 增强了安全管理器环境下的权限控制
- 改进了TLS配置和证书处理
向后兼容性
WildFly团队始终重视向后兼容性。在35.0.0.Final版本中:
- 提供了针对WildFly 31的混合域测试支持
- 维护了与旧版Mojarra的兼容性
- 确保了对Java SE 17的持续支持(同时放弃了对Java 11的支持)
总结
WildFly 35.0.0.Final版本是一次全面的功能增强和稳定性提升,特别在微服务支持、可观测性和开发者体验方面取得了显著进展。对于正在使用WildFly的企业用户和开发者来说,这一版本提供了更强大的功能和更可靠的运行时环境,是升级的绝佳选择。同时,预览版中引入的Jakarta Data等功能也为未来的技术演进指明了方向。
对于新用户而言,WildFly 35.0.0.Final降低了入门门槛;对于现有用户,它提供了平滑的升级路径和显著的价值提升。无论是构建传统企业应用还是现代云原生微服务,WildFly 35.0.0.Final都是一个值得信赖的选择。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00