Bucket4j 8.10.1版本新增Hazelcast灵活过期策略支持
Bucket4j是一个流行的Java限流库,它提供了多种分布式存储后端的支持。在最新的8.10.1版本中,Bucket4j为Hazelcast后端添加了灵活的键值过期策略功能,使其与Redis后端的功能保持一致。
背景
在分布式限流场景中,Bucket4j需要将令牌桶的状态存储在分布式缓存中。对于不同的存储后端,Bucket4j提供了相应的ProxyManager实现。在之前的版本中,Redis后端的AbstractRedisProxyManagerBuilder已经提供了withExpirationStrategy方法,允许开发者灵活配置键的过期策略,但在Hazelcast后端中这一功能是缺失的。
新特性详解
8.10.1版本为HazelcastProxyManager添加了与Redis相同的过期策略支持。这一功能是通过以下方式实现的:
- 在HazelcastEntryProcessor中,将java.util.Map.Entry转换为com.hazelcast.map.ExtendedMapEntry
- 复制Redis后端的过期逻辑到Hazelcast实现中
- 提供统一的API接口,使不同后端的配置方式保持一致
使用示例
开发者现在可以像下面这样配置Hazelcast后端的过期策略:
HazelcastProxyManager.builder()
.withExpirationStrategy(ExpirationAfterWriteStrategy.basedOnTimeForRefillingBucketUpToMax(
Duration.ofDays(1)
))
.build(hazelcastInstance, "rateLimits");
这与Redis后端的配置方式完全一致,提供了良好的API一致性。
技术实现细节
在底层实现上,Bucket4j利用了Hazelcast的ExtendedMapEntry接口来设置每个条目的生存时间(TTL)。这种方式比全局配置Map的过期策略更加灵活,允许根据每个令牌桶的实际使用情况来动态管理其生命周期。
版本兼容性
这一特性从Bucket4j 8.10.1版本开始提供,需要Hazelcast 4.x或更高版本的支持。开发者可以放心升级,因为这一改动是完全向后兼容的,不会影响现有的功能。
总结
Bucket4j 8.10.1版本为Hazelcast后端添加的灵活过期策略支持,使得开发者在使用Hazelcast作为分布式缓存时,能够更精细地控制限流数据的生命周期,减少不必要的内存占用。这一改进使得Bucket4j对不同存储后端的支持更加一致,提升了开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00