Logbook 3.12.0 版本发布:HTTP日志记录库的重大更新
项目简介
Logbook 是一个开源的 Java HTTP 日志记录库,由 Zalando 开发维护。它能够拦截 HTTP 请求和响应,提供灵活的日志记录功能,支持多种 HTTP 客户端和服务器框架。Logbook 特别适合需要详细记录 HTTP 通信的微服务架构,可以帮助开发者进行调试、监控和安全审计。
3.12.0 版本核心更新
1. 请求属性日志记录修复
此版本修复了 BodyOnlyIfStatusAtLeastStrategy 策略中请求属性未被记录的问题。现在即使只记录响应体,请求的基本属性(如方法、路径等)也会被正确记录,这对于调试和审计至关重要。
2. WebFlux 兼容性增强
针对 Spring Boot 3.3.x 与 WebFlux 的兼容性问题进行了修复。新版本改进了 ReactorNetty 管道处理机制,确保在处理器被提前移除时仍能正确记录日志,解决了 WebFlux 环境下日志丢失的问题。
3. 错误处理改进
在以下场景中增强了错误处理能力:
- 当 WebClient 请求发生错误时,现在会确保记录请求日志
- 当 flushBuffer() 失败时,会尝试写入响应日志
- 改进了 Ktor 服务器插件中 HTTP 状态码的传播
4. 性能与稳定性提升
- 优化了响应处理流程,减少潜在的内存泄漏风险
- 改进了 ReactorNetty 的集成稳定性
- 增强了在异常情况下的日志记录可靠性
新特性详解
精确浮点数日志支持
新版本允许在日志中使用精确的浮点数表示,这对于需要高精度数值记录的金融、科学计算等场景特别有价值。开发者现在可以配置日志格式来保留浮点数的完整精度。
OAuth 令牌安全处理
默认情况下,新版本会自动模糊处理 OAuth 请求中的 refresh_token 参数,增强了安全性。这一改进减少了敏感信息意外泄露的风险,符合安全最佳实践。
空字段列表优化
当配置的 JSON 字段过滤列表为空时,现在会返回一个"none"体过滤器,而不是执行不必要的处理,这提高了处理效率。
依赖项更新
3.12.0 版本包含了大量依赖项的更新,包括:
- Spring Framework 升级至 6.2.6
- Spring Boot 升级至 3.4.5
- Netty 升级至 4.2.0.Final
- Kotlin 升级至 2.1.20
- Jackson 升级至 2.19.0
这些更新带来了性能改进、安全修复和新功能支持。
开发者建议
对于升级到 3.12.0 版本的开发者,建议:
- 检查自定义策略实现,特别是那些继承自
BodyOnlyIfStatusAtLeastStrategy的策略 - 在 WebFlux 应用中验证日志记录的完整性
- 评估是否需要调整浮点数日志格式
- 检查 OAuth 相关日志,确认敏感信息处理符合预期
总结
Logbook 3.12.0 版本通过一系列修复和改进,显著提升了在各种环境下的稳定性和功能性。特别是对 WebFlux 和 ReactorNetty 的增强支持,使得它在现代响应式应用中的表现更加可靠。安全性的增强和性能优化也使这个版本成为生产环境升级的推荐选择。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00