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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00