Sidekiq-Cron v2.3.0 版本发布:增强命名空间支持与配置优化
Sidekiq-Cron 是一个基于 Sidekiq 的定时任务调度插件,它允许开发者使用类似 Cron 的语法来安排后台任务的执行。作为 Sidekiq 生态中的重要组件,Sidekiq-Cron 为 Ruby 开发者提供了简单可靠的定时任务解决方案。
最新发布的 v2.3.0 版本带来了一系列改进和修复,主要集中在命名空间功能的增强和配置加载机制的优化上。这些改进使得 Sidekiq-Cron 在多租户环境和复杂部署场景下表现更加稳定可靠。
命名空间功能的全面改进
v2.3.0 版本对命名空间功能进行了重大重构。在之前的版本中,当开发者显式提供命名空间配置时,默认命名空间可能会丢失,导致任务调度出现问题。新版本彻底解决了这个问题,确保无论是否显式配置命名空间,系统都能正确处理任务调度。
这一改进特别适合在多租户应用中使用,开发者现在可以更灵活地为不同租户配置独立的命名空间,而不用担心默认命名空间的丢失问题。例如:
Sidekiq::Cron::Job.create(
name: 'Daily Report',
cron: '0 8 * * *',
class: 'DailyReportWorker',
namespace: 'tenant1'
)
配置加载机制的优化
新版本改进了配置文件的加载时机,现在可以在 Sidekiq 的回调中加载调度文件。这一变化使得配置加载更加灵活,开发者可以根据应用的实际需求决定何时加载定时任务配置。
同时,v2.3.0 版本还支持 Sidekiq 的嵌入式配置,这意味着 Sidekiq-Cron 可以更好地与 Sidekiq 的其他配置选项协同工作。例如,现在可以在 Sidekiq 的配置文件中直接包含 Sidekiq-Cron 的配置:
Sidekiq.configure_server do |config|
config.embedded = true
# 其他配置...
end
WEB 扩展的兼容性改进
针对 WEB 扩展中使用原始 params 参数导致的弃用警告,v2.3.0 版本进行了修复。这一改进确保了 Sidekiq-Cron 与最新版本的 Sidekiq WEB 界面兼容,避免了控制台中出现不必要的警告信息。
测试与代码质量的提升
除了功能改进外,v2.3.0 版本还修复了测试相关的 RuboCop 违规问题,进一步提升了代码质量。这些改进虽然对最终用户不可见,但有助于保持项目的长期可维护性。
文档更新
新版本还更新了 README 文件,修正了方法名的描述错误,确保开发者能够根据文档正确使用 API。准确的文档对于开源项目的采用至关重要,这一改进将帮助新用户更快上手。
升级建议
对于正在使用 Sidekiq-Cron 的项目,特别是那些使用命名空间功能或多租户架构的应用,建议尽快升级到 v2.3.0 版本。新版本不仅修复了关键问题,还提供了更灵活的配置选项。升级过程通常只需更新 Gemfile 中的版本号并运行 bundle update 即可。
Sidekiq-Cron 持续保持与 Sidekiq 生态系统的紧密集成,v2.3.0 版本的发布再次证明了这一点。无论是小型应用还是大型企业系统,Sidekiq-Cron 都提供了可靠、灵活的定时任务解决方案。
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
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