dotnet/extensions 项目中的日志采样器命名变更解析
2025-06-27 01:49:50作者:沈韬淼Beryl
背景介绍
在dotnet/extensions项目中,开发团队最近对日志采样器的API命名进行了重要调整。这一变更源于最初设计的ProbabilisticSampler命名可能与OpenTelemetry .NET API产生冲突。经过深入讨论和技术评估,团队决定将相关API统一更名为RandomProbabilisticSampler。
技术细节
变更内容
此次命名变更涉及多个类和方法的调整:
-
扩展方法重命名:
- 原
AddProbabilisticSampler方法更名为AddRandomProbabilisticSampler - 保持了原有的三种重载形式:配置参数、配置委托和直接参数设置
- 原
-
选项类重命名:
- 原
ProbabilisticSamplerOptions类更名为RandomProbabilisticSamplerOptions - 内部集合属性类型也相应变更
- 原
-
过滤规则类重命名:
- 原
ProbabilisticSamplerFilterRule类更名为RandomProbabilisticSamplerFilterRule - 构造函数签名同步更新
- 原
使用示例
变更后的API使用方式如下:
loggingBuilder.AddRandomProbabilisticSampler(0.1, LogLevel.Information);
设计考量
开发团队在命名决策过程中考虑了多个备选方案:
- 完全移除Probabilistic:如使用
RandomSampler,但被认为过于通用,不能充分表达API功能 - 其他描述性词汇:如"Stochastic"、"Linear"、"Uniform"等
- 组合命名:最终选择的"RandomProbabilistic"方案
这一决策主要基于以下技术因素:
- 与OpenTelemetry规范中的术语区分(特别是"Consistent Probability Sampling"概念)
- 保持API名称的准确性和自描述性
- 避免与现有生态系统的命名冲突
技术影响
此次变更属于纯粹的API表面调整,不会影响实际功能实现。由于这些API是全新引入的,不会对现有代码产生兼容性问题。对于开发者而言,主要需要关注的是:
- 新项目应直接使用新命名
- 文档和示例需要相应更新
- 团队内部代码评审时需注意命名规范
总结
dotnet/extensions项目通过这次细致的API命名调整,展现了其对生态系统兼容性和API设计严谨性的重视。这种前瞻性的命名策略有助于:
- 避免未来与OpenTelemetry等关键组件的潜在冲突
- 提供更准确的API语义表达
- 为后续功能扩展奠定良好的基础
开发者在实现日志采样功能时,应采用新的RandomProbabilisticSampler系列API,以确保长期兼容性和最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217