OpenZiti Ziti 1.6.0版本发布:多通道支持与流控优化
项目简介
OpenZiti是一个开源的零信任网络解决方案,它通过内置的安全模型和智能路由技术,为现代分布式应用提供了安全的网络连接能力。Ziti是OpenZiti的核心组件,负责构建和管理零信任网络的基础架构。
1.6.0版本核心更新
集群对等节点验证机制改进
在1.6.0版本中,集群添加对等节点的流程进行了重要改进。现在,当使用ziti agent cluster add命令添加新节点时,系统会自动验证目标节点的证书有效性,并直接从对等节点获取其广告地址和ID。这一变化确保了只有可访问且有效的节点才能被加入集群,提高了集群的可靠性和安全性。
实验性多通道SDK支持
新版本引入了实验性的多通道支持功能,允许边缘路由器同时维护控制通道和数据通道连接。这种分离的设计可以带来更好的性能和可靠性,同时保持向后兼容性——对于不支持多通道的SDK,系统仍会使用单一连接工作。
实验性SDK流控制机制
1.6.0版本还加入了实验性的流控制功能,允许将流控制逻辑委托给SDK处理。这一特性为高级用户提供了更细粒度的流量管理能力,可以根据应用需求实现定制化的流控制策略。
技术架构优化
组件升级与错误修复
本次更新包含了多个核心组件的升级和错误修复:
-
通道库(channel)升级到v4.0.6,解决了多监听器死锁问题,增加了用户数据获取接口,并支持多通道通知机制。
-
身份库(identity)增加了证书保存检查功能,确保证书和服务器证书能够被正确保存。
-
指标库(metrics)新增了标准输出报告功能,便于开发调试。
-
SDK组件进行了重大升级,解决了连接泄漏和并发访问问题,并集成了新的xgress实现。
安全增强
-
改进了OIDC JWT会话验证机制,现在可以正确处理扩展证书。
-
在OIDC JWT中增加了认证器ID信息,增强了会话追踪能力。
-
支持TLS握手过程中的客户端证书验证,提高了连接安全性。
性能与可维护性改进
-
重构了xgress模块,使其成为可插拔组件,便于SDK集成。
-
封装了xgress指标系统,提高了模块化程度。
-
移除了全局负载处理器和重传器,优化了资源管理。
-
增加了专门的xgress_router包,分离了路由器特定逻辑。
总结
OpenZiti Ziti 1.6.0版本在安全性、可靠性和性能方面都做出了重要改进。特别是多通道支持和流控制功能的引入,为零信任网络的高效运行提供了新的可能性。虽然这些新功能仍处于实验阶段,但它们代表了OpenZiti架构向更灵活、更强大的方向发展的重要一步。对于企业用户来说,这些改进意味着更稳定、更安全的零信任网络基础设施。
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