AutoMQ 1.4.0版本发布:流存储引擎的重大升级
AutoMQ是一个开源的分布式流存储引擎,基于云原生架构设计,旨在提供高性能、低延迟的消息队列服务。1.4.0版本是该项目的重大更新,带来了多项核心功能的增强和性能优化。
核心功能增强
-
表主题支持:新增了对表主题(Table Topic)的支持,包括分区配置和upsert操作,为流处理场景提供了更灵活的数据处理能力。
-
快照读取优化:引入了快照读取缓存机制,显著提升了读取性能,同时支持首选节点读取功能,优化了分布式环境下的数据访问效率。
-
Kafka链接接口:新增了与Kafka生态系统的深度集成能力,支持通过配置实现与现有Kafka集群的无缝对接。
-
断路器机制:新增了节点级断路器功能,当节点出现异常时能够自动隔离,防止问题扩散影响整个集群。
性能优化
-
S3流写入优化:实现了写入流量控制机制,避免对象存储被突发流量冲击,同时增加了写入超时配置,提升了系统稳定性。
-
WAL日志改进:对WAL(Write-Ahead Log)进行了多项优化,包括增加追加超时机制、修复恢复模式下的偏移量问题,以及实现顺序完成追加操作,显著提升了日志系统的可靠性。
-
内存管理增强:优化了ByteBuf的内存释放机制,减少了内存碎片化问题,同时修复了多处可能导致内存泄漏的问题。
运维监控增强
-
指标导出改进:支持GZIP压缩上传指标和日志数据,减少了网络传输开销。
-
证书监控:新增了证书相关指标的监控能力,便于运维人员掌握系统安全状态。
-
配置灵活性:增加了多项配置选项,如S3流对象压缩最大大小默认值从1GiB调整为10GiB,提供了更大的灵活性。
工具链完善
-
性能测试工具:性能测试工具增加了对Schema消息的支持,优化了用户体验,并新增了消费者最大拉取速率限制功能。
-
部署工具:改进了部署脚本,能够正确覆盖控制器仲裁引导服务器配置。
稳定性修复
-
修复了多个关键问题:包括修复了S3流索引潜在泄漏问题、解决了压缩过程中可能出现的阻塞问题、修正了WAL恢复模式下的约束条件等。
-
改进错误处理:实现了快速失败机制,当S3请求出现问题时能够及时终止,避免长时间等待。
1.4.0版本的发布标志着AutoMQ在性能、稳定性和功能完备性上都达到了一个新的高度,特别是对云原生环境和大规模流处理场景的支持更加完善。新加入的快照读取优化和断路器机制等特性,使得系统在高负载和异常情况下的表现更加可靠。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00