Synapse 1.130.0版本发布:Matrix服务器的重要更新
项目简介
Synapse是Matrix协议的参考实现服务器,Matrix是一个开源的、去中心化的实时通信协议,旨在提供安全、隐私保护的即时消息服务。作为Matrix生态系统的核心组件,Synapse服务器负责处理用户认证、消息路由、房间管理等功能。
版本亮点
新增功能
-
管理员API扩展:新增了
GET /_synapse/admin/v1/scheduled_tasks端点,允许管理员查询计划任务的状态和执行情况。这对于监控服务器性能和排查问题非常有帮助。 -
用户目录优化:通过新增的
user_directory.exclude_remote_users配置选项,管理员可以选择在用户目录搜索结果中排除远程用户,这在某些特定场景下可以提升搜索效率和隐私保护。 -
设备管理支持:现在
GET /devices/接口可以在工作节点上处理,这提高了分布式部署的灵活性和性能。
重要改进
-
推送通知优化:修复了一个长期存在的问题,即当新事件到达时,Synapse会立即重试失败的推送端点,而忽略了退避计时器。现在系统会正确遵守退避策略,避免过度请求失败的服务。
-
Sliding同步改进:完善了远程邀请拒绝时的离开处理机制,确保Sliding同步能正确传递这些状态变化。
-
Docker镜像优化:对工作节点镜像进行了多项优化,包括构建过程改进、脚本生成方式调整等,提升了容器化部署的效率和可靠性。
技术细节
安全增强
-
媒体下载安全:现在对URL预览下载的媒体内容也应用了文件哈希和现有隔离策略,增强了安全性。
-
OIDC验证优化:在不使用OIDC访问令牌的情况下,不再验证ID令牌中的
at_hash字段,这既提高了安全性又减少了不必要的验证开销。
性能优化
-
通知系统改进:对通知器进行了微调,提高了性能表现。
-
速率限制器优化:改进了速率限制器的实现,带来了轻微的性能提升。
-
测试覆盖增强:针对Sliding Sync房间列表功能,重构了测试用例以覆盖新旧逻辑路径,提高了代码质量。
向后兼容性
-
用户管理变更:停止了对Matrix Authentication Service(MAS)的自动用户和设备配置功能,要求使用MAS 0.13.0或更高版本。
-
错误代码标准化:当不支持添加电子邮件地址/电话号码到账户时,现在会返回特定的错误代码,遵循相关技术规范。
开发者关注点
-
依赖项更新:升级了多个关键依赖项,包括pydantic从2.10.3到2.11.4,pyopenssl从24.3.0到25.0.0等,开发者需要注意这些变化可能带来的影响。
-
工作节点支持扩展:多个管理API现在可以在工作节点上运行,包括房间管理相关接口,这为分布式部署提供了更多灵活性。
总结
Synapse 1.130.0版本带来了多项功能增强和性能优化,特别是在管理员工具、安全性和分布式部署方面有了显著改进。对于运行Matrix服务器的管理员来说,这个版本提供了更好的控制能力和监控手段。开发者则可以从扩展的工作节点支持和依赖项更新中受益。建议所有用户评估升级计划,特别是那些关注安全性和性能的部署环境。
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。C090
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