Hangfire 1.8.18版本发布:关键改进与问题修复
Hangfire是一个流行的.NET开源库,用于在后台处理长时间运行的任务,而无需创建单独的Windows服务或进程。它提供了简单易用的API来创建后台任务,并内置了可靠的重试机制和直观的监控界面。
核心改进
自定义服务器异常终止阈值
新版本引入了DashboardOptions.ServerPossiblyAbortedThreshold配置项,允许开发者自定义"可能已中止"警告的阈值。这个功能特别适合那些需要调整服务器状态检测敏感度的场景,比如在网络延迟较高或服务器负载较大的环境中。
文化信息处理优化
1.8.18版本修复了从1.8.15到1.8.17版本升级后出现的CultureInfo相关差异问题。这些改进确保了在不同文化设置环境下,Hangfire的行为更加一致和可预测。
重要问题修复
过期作业显示问题
修复了在某些情况下过期作业仍然会显示在"重试"页面上的问题。这个修复提高了监控界面的准确性,确保用户看到的都是当前有效的作业信息。
AsyncLocal值泄漏问题
解决了从同步后台作业方法中泄漏AsyncLocal值的问题。这个修复对于依赖AsyncLocal来传递上下文信息的应用程序尤为重要,避免了潜在的数据污染和上下文混淆。
Job类构造函数改进
修复了当向Job类构造函数传递Job.Args属性时抛出异常的问题。这个改进使得API使用更加健壮,减少了意外错误的发生。
ASP.NET Core集成改进
在ASP.NET Core集成方面,新版本做了两个重要修复:
- 在
StopAsync方法中吞掉可能的ObjectDisposedException,提高了应用程序关闭时的稳定性 - 避免当
LocalIpAddress或RemoteIpAddress为null时抛出NullReferenceException,增强了网络相关功能的鲁棒性
项目基础设施改进
Hangfire团队还对项目的基础设施进行了优化:
- 使锁文件同时支持.NET 8.0和.NET 9.0构建
- 改进了
cshtml文件的代码生成机制,确保在较新平台上也能正常工作
这些改进虽然对最终用户不可见,但有助于维护项目的长期健康发展,确保Hangfire能够跟上.NET生态系统的演进步伐。
总结
Hangfire 1.8.18版本虽然是一个小版本更新,但包含了许多重要的改进和修复。从自定义服务器状态检测阈值到文化信息处理优化,再到各种稳定性修复,这个版本进一步提升了Hangfire的可靠性和用户体验。对于已经在生产环境中使用Hangfire的团队,特别是那些遇到文化信息相关问题的团队,升级到这个版本是值得考虑的。
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