Odigos项目v1.0.190版本发布:增强自动检测与数据流处理能力
Odigos是一个开源的分布式追踪系统,专注于为云原生应用提供自动化的可观测性解决方案。该项目通过创新的自动检测技术,帮助开发者无需修改代码即可获得应用性能数据。最新发布的v1.0.190版本带来了一系列重要改进,特别是在自动检测的可靠性、数据流处理以及UI功能增强方面。
核心功能增强
自动检测机制的可靠性提升
本次版本对自动检测机制进行了重要优化,新增了检测失败时的回滚功能。当自动检测过程出现问题时,系统能够自动恢复到检测前的状态,确保应用稳定性不受影响。这一改进特别针对Java应用的检测过程,移除了对JAVA_OPTS环境变量的依赖,使检测过程更加标准化。
数据流处理能力
v1.0.190版本引入了全新的数据流处理功能,能够更高效地管理和传输追踪数据。这一特性使得大规模分布式系统的可观测性数据能够以更优化的方式流动和处理,为后续的分析和可视化提供了更好的基础。
系统稳定性改进
证书管理优化
版本采用了cert-controller进行证书的自动轮换和创建,大幅提升了系统的安全性。这一改进使得证书管理更加自动化,减少了人工干预的需求,同时确保了通信的安全性。
命名空间处理修复
修复了命名空间删除时可能出现的bug,增强了系统在处理Kubernetes命名空间变更时的稳定性。这一改进对于多租户环境尤为重要,确保了资源清理的彻底性。
用户界面增强
采样器配置界面
UI界面新增了对ServiceNameSampler和SpanAttributeSampler的支持,使得用户可以直接通过界面配置采样策略,无需手动编辑配置文件。这一改进大大提升了用户体验,使采样策略的调整更加直观便捷。
HTTP头检测规则
增加了对HTTP Headers检测规则的支持,并完善了相关文档。用户现在可以通过UI界面轻松配置HTTP头部的检测规则,增强了请求追踪的灵活性。
健康检查机制
为UI组件添加了liveness和readiness探针,提升了UI服务的可靠性。这一改进确保了UI组件在异常情况下能够自动恢复,同时避免了将不健康的实例纳入服务。
安全改进
只读模式安全增强
在UI的只读模式下,系统现在会阻止对敏感信息的读取操作,增强了系统的安全性。这一改进特别适合那些需要将Odigos UI暴露给不信任用户的环境。
架构优化
网络策略调整
通过使用internalTrafficPolicy优化了OpAmp组件的网络通信,使得可以移除odiglet组件对hostNetwork的依赖。这一改进简化了网络配置,同时提升了系统的安全性。
Odigos v1.0.190版本的这些改进,使得这个自动可观测性平台在可靠性、安全性和易用性方面都迈上了一个新台阶。特别是对数据流处理的支持和自动检测可靠性的提升,为大规模云原生应用的监控提供了更强大的支持。
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