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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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