OpenRemote 1.6.1版本发布:物联网平台功能增强与稳定性提升
OpenRemote是一个开源的物联网平台,专注于提供设备连接、数据管理和应用开发的完整解决方案。该平台支持多种协议接入,提供可视化界面和强大的规则引擎,适用于智能建筑、工业物联网等场景。本次1.6.1版本作为维护性更新,在功能增强和问题修复方面都有所改进。
核心功能改进
资产类型排序优化
在资产管理模块中,资产类型现在按照字母顺序进行排序。这一看似简单的改进实际上显著提升了用户体验,特别是当用户面对大量不同类型的资产时。字母排序使得定位特定资产类型更加直观高效,减少了用户在长列表中寻找目标的时间。
Modbus协议增强
对于工业物联网场景中广泛使用的Modbus协议,1.6.1版本增加了对自定义寄存器读取长度的支持。这一改进使得平台能够更好地处理大型数据类型,解决了之前版本在处理某些特殊设备数据时可能遇到的限制。Modbus协议的增强特别有利于需要读取长数据字段的工业设备接入场景。
用户界面改进
属性选择器导出修复
解决了属性选择器组件在导出功能上存在的问题。这个修复确保了用户能够正确导出所选属性数据,对于需要将平台数据导出到外部系统进行分析或报告的场景尤为重要。
KPI属性卡片布局优化
修复了菜单组件可能干扰KPI属性卡片布局的问题。在仪表盘和监控界面中,KPI卡片是展示关键指标的重要组件,这一修复确保了在各种操作下都能保持一致的布局和显示效果。
后端稳定性提升
MQTT通配符订阅权限修复
解决了服务用户作为受限用户时MQTT通配符订阅权限不正确的问题。这一修复增强了平台的安全性,确保权限系统在各种订阅场景下都能正确工作,防止未经授权的数据访问。
数组值验证器
新增了对数组值的验证支持。这一功能扩展了平台的数据验证能力,使得规则引擎和数据处理能够更严格地控制数组类型的输入数据,提高了数据质量和系统稳定性。
部署与基础设施
EBS卷支持
增加了对AWS EBS卷的支持,用于存储和分离IoT数据。这一改进为大规模部署提供了更好的存储解决方案,使数据存储可以根据需求灵活扩展,同时保持高性能和可靠性。
卷大小配置修复
解决了卷大小配置未正确应用的问题。这一修复确保了存储资源配置能够按预期工作,避免了潜在的存储空间不足情况。
开发工具与质量保证
JPA实体方法验证
新增了Gradle任务来验证JPA实体中的equals和hashCode方法。这一工具帮助开发者在早期发现潜在的实体类问题,提高了代码质量和系统稳定性,特别是在处理对象持久化和集合操作时。
安全文档更新
更新了安全文档,反映了项目对安全问题的持续关注和改进承诺。良好的安全实践文档有助于用户和开发者更好地理解和实施安全措施。
总结
OpenRemote 1.6.1版本虽然是一个维护性更新,但在用户体验、协议支持、系统稳定性和开发工具等方面都做出了有价值的改进。这些变化使得平台在工业物联网和智能建筑等应用场景中更加可靠和易用。特别是Modbus协议的增强和MQTT权限修复,直接提升了平台在关键业务场景中的适用性。
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。C030
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