STTP 4.0.0-M25 版本发布:HTTP客户端库的重要更新
STTP(Simple Typed HTTP)是一个用Scala编写的现代化HTTP客户端库,它提供了类型安全、函数式的API来构建和发送HTTP请求。该项目以其简洁的API设计、强大的功能和良好的扩展性在Scala社区广受欢迎。最新发布的4.0.0-M25版本带来了一系列重要的改进和修复,让我们一起来看看这些变化。
核心功能改进
1. HttpClient后端资源泄漏修复
在之前的版本中,当请求被取消时,基于HttpClient的后端可能会出现资源泄漏问题。这个问题在2413号PR中得到了修复,确保了在请求取消时所有相关资源都能被正确释放。这对于长时间运行的应用程序尤为重要,可以避免内存泄漏和文件描述符耗尽等问题。
2. 请求体设置的一致性增强
2411号PR对请求体的设置逻辑进行了重构,使其更加一致。现在,当缺少类型或长度头部时,系统会自动计算这些头部信息。这一改进简化了开发者的工作流程,减少了手动设置头部的需要,同时保证了请求的规范性。
3. JVM后端响应长度限制选项
新增了一个非常有用的功能:可以为JVM后端设置响应长度限制(2410号PR)。这在处理可能返回超大响应的API时特别有用,可以防止内存耗尽攻击或意外的大响应导致的内存问题。开发者现在可以更安全地处理不可信的HTTP源。
性能与监控增强
1. HttpClient后端的请求体进度回调
2408号PR为基于HttpClient的后端添加了请求体进度回调功能。这使得开发者能够监控大文件上传或下载的进度,为用户提供更好的反馈体验。这个功能在需要处理大体积数据的应用中尤其有价值。
2. OpenTelemetry追踪支持改进
在2405号PR中,OpenTelemetry的支持得到了增强:
- 添加了同步追踪后端包装器
- 重命名了otel相关artifact,使其命名更加一致
- 2401号PR进一步扩展了OTEL指标计算功能,现在可以将请求信息包含在指标计算中
这些改进使得STTP与OpenTelemetry的集成更加完善,为分布式系统监控提供了更好的支持。
内容类型处理优化
2412号PR优化了内容类型的处理逻辑:当使用application/json内容类型时,现在会省略charset参数。这是因为JSON规范明确规定JSON文本应该使用UTF-8编码,所以显式指定charset是多余的。这一变更使得请求更加规范,同时也符合HTTP最佳实践。
文档与构建改进
本次发布还包括了一些文档和构建系统的改进:
- 修复了文档中的类名错误(2415号PR)
- 添加了可能缺失的-ce2后缀说明(2402号PR)
- 构建警告修复(2406号PR)
- 各种依赖版本更新,包括Scala 2.13.16和zio-json 0.7.5等
总结
STTP 4.0.0-M25版本在稳定性、功能性和监控支持方面都有显著提升。资源泄漏修复和响应长度限制增强了库的可靠性;进度回调和改进的OpenTelemetry集成提供了更好的可观察性;而内容类型处理的优化则使API更加规范。这些改进使得STTP继续保持着作为Scala生态中最优秀的HTTP客户端库之一的地位。
对于现有用户,建议评估这些新功能如何能够提升现有应用的稳定性和可观察性。特别是那些处理大文件上传下载或需要精细监控的应用,可以从进度回调和OTEL集成中获益良多。
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。C0105
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.Python059
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