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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00