Haraka邮件服务器3.1.0版本发布:配置重构与功能增强
Haraka是一款基于Node.js开发的高性能SMTP服务器,以其模块化设计和丰富的插件系统著称。最新发布的3.1.0版本对核心配置系统进行了重大重构,并带来了多项功能改进和安全增强。
配置系统的重大重构
3.1.0版本最显著的变化是对配置文件系统的重构,将多个分散的配置文件整合到统一的connection.ini中。这一改变使得配置管理更加集中和直观。
配置文件迁移指南
新版本中,以下旧配置文件已被整合到connection.ini中:
haproxy_hosts→[haproxy] hostssmtpgreeting→[message] greetingehlo_hello_message→[message] heloconnection_close_message→[message] closebanner_includes_uuid→[uuid] banner_charsdeny_includes_uuid→[uuid] deny_charsdatabytes→[max] bytesmax_mime_parts→[max] mime_partsmax_line_length→[max] line_lengthmax_data_line_length→[max] data_line_length
此外,从smtp.ini迁移到connection.ini的配置项包括:
- 所有
headers.*相关配置 main.smtp_utf8main.strict_rfc1869
升级时,管理员需要将原有配置迁移到新文件中,并可以删除已废弃的旧配置文件。
功能改进与插件优化
邮件队列改进
在测试环境中发送邮件时,系统现在会自动为每封邮件附加UUID标识符,避免了测试邮件相互覆盖的问题。这一改进特别适合开发调试和自动化测试场景。
插件系统增强
3.1.0版本对多个内置插件进行了重构和优化:
-
early_talker插件:完全重构为独立插件,移除了旧版配置项
early_talker.pause的支持,现在应通过earlytalker.ini进行配置。 -
mail_from.is_resolvable插件:修复了配置变量路径错误的问题,确保域名解析检查功能正常工作。
-
relay插件:已重新打包为独立的
haraka-plugin-relay插件,提高了模块化程度。
安全性与稳定性提升
TLS连接处理优化
修复了TLS连接处理中的一个重要问题,现在系统会始终正确设置connection.notes.tls属性,确保TLS相关功能在各种情况下都能正常工作。
自定义欢迎消息改进
改进了SMTP连接欢迎消息的处理逻辑,现在支持累积多个自定义欢迎消息,而不是简单地覆盖,使服务器响应更加灵活。
出站邮件处理优化
在出站邮件处理中,当MX记录包含IP地址时,系统现在会正确使用mx.from_dns值,提高了邮件路由的准确性。
开发工具与文档更新
-
测试覆盖率工具:升级至Codecov v5版本,提供更精确的代码覆盖率分析。
-
代码质量检查:ESLint升级至v9版本,采用最新的代码规范检查规则。
-
文档改进:
- 修正了关于
early_talker.delay的错误文档说明(该功能已多年不可用) - 更新了LICENSE文件中的版权年份
- 标记了access、backscatterer和data.headers等已弃用插件的文档状态
- 统一了插件文档中的标题级别标记方式
- 修正了关于
升级建议
对于正在使用Haraka的生产环境,建议在测试环境中先行验证3.1.0版本的兼容性,特别注意:
-
配置文件系统的变化需要仔细处理,确保所有自定义配置正确迁移到新位置。
-
检查所有依赖已弃用插件的功能,考虑替代方案。
-
验证TLS连接和出站邮件路由功能是否正常工作。
-
对于使用早期版本自定义欢迎消息的场景,需要测试新的累积消息机制是否符合预期。
这一版本通过配置系统的简化和多项功能的优化,进一步提升了Haraka的易用性和稳定性,为构建高性能邮件服务提供了更加强大的基础。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07