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。
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