Grafbase网关0.24.0版本发布:查询预热与性能优化
Grafbase是一个开源的GraphQL网关项目,它能够帮助开发者构建高性能的GraphQL API。作为GraphQL查询的入口点,Grafbase网关提供了查询规划、缓存、监控等核心功能,是构建现代API服务的重要组件。
查询预热功能
在0.24.0版本中,Grafbase网关引入了一项重要的新功能——查询预热(Query Warming)。这项功能允许开发者预先将预期的查询加载到缓存中,从而在实际请求到来时能够立即提供响应,显著减少首次查询的延迟。
查询预热通过操作缓存配置进行管理,开发者可以在配置文件中进行如下设置:
[operation_caching]
enabled = true # 启用操作缓存,默认为true
limit = 1000 # 最大缓存操作数,默认为1000
warm_on_reload = false # 重载时预热缓存,默认为false
warming_percent = 100 # 预热缓存百分比,默认为100
值得注意的是,查询预热功能目前仅在与Graph Delivery Network(GDN)配合使用时有效,且需要网关从GDN接收联邦模式更新时才能正常工作。
性能优化与修复
本次版本更新包含了多项性能优化和问题修复:
-
查询规划改进:对类型条件和skip/include指令的处理进行了优化,使得查询规划更加智能和高效。
-
操作缓存加速:对操作缓存机制进行了性能优化,提高了缓存命中率和响应速度。
-
依赖更新:更新了项目依赖,确保使用最新稳定版本的第三方库。
重要变更
0.24.0版本包含一个重要的环境变量名称变更:原先的__GRAFBASE_OTEL_URL环境变量已更名为GRAFBASE_OTEL_URL。这一变更移除了变量名中的双下划线前缀,使其更加符合常见的环境变量命名规范。
技术实现细节
查询预热功能的实现基于对GraphQL操作的分析和预测。当启用该功能后,网关会:
- 分析历史查询模式,识别高频和关键查询
- 在系统启动或模式更新时,预先执行这些查询
- 将结果存储在操作缓存中
- 在实际请求到达时直接从缓存提供响应
这种机制特别适用于生产环境中那些可预测的查询模式,能够显著改善用户体验,特别是对于首次访问的用户。
总结
Grafbase网关0.24.0版本通过引入查询预热功能,进一步提升了GraphQL API的性能表现。结合多项查询规划优化和缓存改进,这个版本为开发者提供了更高效、更可靠的GraphQL网关解决方案。对于正在使用或考虑使用Grafbase的项目团队来说,升级到这个版本将能够获得更好的性能体验和更稳定的运行表现。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0455
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0782
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX029
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++03