LoRaWAN Stack v3.33.1版本发布:增强设备管理与数据格式化能力
LoRaWAN Stack是一个开源的LoRaWAN网络服务器实现,它为物联网设备提供完整的网络基础设施支持。作为LoRaWAN协议栈的核心组件,该项目实现了网络服务器(NS)、应用服务器(AS)和连接服务器(CS)等关键功能模块,帮助开发者快速构建和部署LoRaWAN网络解决方案。
数据格式化功能增强
本次v3.33.1版本在payload formatter中新增了recvTime字段支持。payload formatter是LoRaWAN网络中用于对设备上下行数据进行编解码的重要组件。新增的recvTime字段将被包含在decodeUplink函数的输入参数中,这使得开发者能够在解码上行数据时获取精确的接收时间戳,为时间敏感型应用提供了更好的支持。
终端设备电池状态监控
新版本在ApplicationUplink消息中添加了终端设备的最新电池百分比信息。这一改进使得应用层能够更方便地监控设备的电源状态,对于电池供电的物联网终端尤为重要。开发者现在可以直接从上行消息中获取电池电量信息,无需额外的查询操作,简化了设备管理流程。
控制台功能优化
控制台界面新增了实时数据分屏视图教程,帮助用户更直观地理解和使用数据展示功能。这一改进降低了新用户的学习曲线,使得监控和分析设备数据变得更加容易。
关键问题修复
本次发布修复了多个影响系统稳定性和功能完整性的问题:
-
当请求中未提供分页限制值时,现在会强制对AS和NS的List RPC调用应用默认分页限制,防止因过大结果集导致的性能问题。
-
修正了RelayNotifyNewEndDeviceReq MAC命令中的字段顺序问题,确保与协议规范一致。
-
改进了LinkADRAns MAC命令的验证逻辑,当终端设备不支持ADR(自适应数据速率)时能够正确处理。
-
修复了在通用设置中无法移除所有属性的问题,提高了配置灵活性。
系统稳定性改进
除了上述功能增强和问题修复外,v3.33.1版本还对系统底层进行了多项优化,包括:
- 改进了MAC命令处理机制,确保在各种网络条件下都能稳定运行
- 优化了属性管理系统,提供更一致的配置体验
- 增强了API的健壮性,特别是在处理边界条件时表现更稳定
这些改进使得LoRaWAN Stack在复杂网络环境下的表现更加可靠,为大规模物联网部署提供了坚实基础。
对于正在使用或考虑采用LoRaWAN技术的开发者来说,v3.33.1版本提供了更完善的功能和更稳定的运行环境,特别是在设备管理和数据格式化方面的增强,将显著提升开发效率和系统可靠性。
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 StartedRust085- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00