Hawtio 4.4.0 发布:Java管理控制台的全面升级
项目简介
Hawtio 是一个基于 Web 的开源管理控制台,专为 Java 应用程序设计。它提供了丰富的功能模块,包括 JMX 管理、日志查看、连接器管理、Spring Boot 监控等,能够帮助开发者轻松管理和监控 Java 应用。Hawtio 采用模块化架构,支持插件扩展,可以与多种 Java 框架和平台无缝集成。
安全增强
本次 4.4.0 版本在安全性方面做了多项重要改进:
-
Jetty 认证集成:增强了与 Jetty 服务器的认证集成能力,为部署在 Jetty 上的应用提供了更安全的访问控制。
-
JAAS-SpringSecurity 整合:特别针对 springboot-keycloak 示例项目,完善了 JAAS 与 Spring Security 的集成方案,使得基于 Keycloak 的单点登录方案更加稳定可靠。
-
内容安全策略(CSP)增强:新增了 form-action 指令到 Content-Security-Policy 头部,有效防止表单提交到非预期的目标地址,增强了防范 CSRF 攻击的能力。
-
Quarkus 集成改进:为 hawtio-quarkus 设置了 HttpOnly 标志的 JSESSIONID cookie,有效降低了 XSS 攻击的风险。
核心功能改进
-
嵌入式模式优化:修复了在通过
camel hawtio命令启动时可能出现的 ClassNotFoundException 问题,提升了嵌入式部署的可靠性。 -
MIME 类型处理:确保 HTML 文件返回时带有正确的 MIME 类型,避免了浏览器兼容性问题。
-
连接模块解耦:hawtio-connect 模块不再依赖 hawtio-system,简化了模块间的依赖关系,提高了系统的模块化程度。
依赖项升级
本次版本对多个关键依赖进行了升级:
- 升级至 Jolokia 2.2.8 版本,带来了更好的性能和安全性
- Spring 框架升级至 6.2.5 版本
- Spring Boot 升级至 3.4.4 版本
- Camel Spring Boot 升级至 4.10.3 版本
- Quarkus 升级至 3.20.0 版本
- 前端依赖方面,升级了 axios、dompurify 等多个关键库
测试与质量保证
开发团队在本次发布中特别加强了测试工作:
-
端到端测试:新增了针对 camel hawtio jbang 应用的测试工作流,确保命令行工具的稳定性。
-
测试修复:针对 Camel 消息测试和源代码视图测试进行了修复,提高了测试覆盖率。
-
CI 优化:针对 Mac 运行器上的不稳定测试进行了特殊处理,提高了持续集成环境的可靠性。
开发者体验改进
-
构建系统优化:为 Jetty hawtio-jaas.mod 添加了专门的构建配置,简化了定制化部署流程。
-
前端工具链升级:包括 Webpack、SWC 核心等构建工具的版本升级,提高了构建效率和输出质量。
-
React 集成:更新了 @hawtio/react 到 1.9.2 版本,为基于 React 的插件开发提供了更好的支持。
总结
Hawtio 4.4.0 版本在安全性、稳定性和开发者体验方面都做出了显著改进。特别是对现代 Java 生态系统的支持(如 Spring Boot 3.x 和 Quarkus)得到了进一步加强,使得 Hawtio 成为管理 Java 应用的更加强大和安全的工具。对于现有用户来说,升级到这个版本将获得更好的安全防护和更流畅的管理体验。
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。C089
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