OpenZiti Ziti 1.5.0版本发布:网络边缘智能平台的重要更新
OpenZiti是一个开源的零信任网络平台,它通过内置的安全性和智能路由功能,为现代分布式应用提供安全连接解决方案。Ziti作为OpenZiti的核心组件,实现了零信任网络架构的关键功能。最新发布的1.5.0版本带来了一系列重要改进和功能增强。
路由终端文件格式标准化
在1.5.0版本中,路由终端配置文件的默认命名规范进行了调整。原先使用简单的"endpoints"作为文件名,现在更改为"endpoints.yml"以明确表明这是一个YAML格式的配置文件。这一变化体现了项目对配置管理规范化的重视。对于现有使用beta版高可用性(HA)代码的环境,可以通过在配置中显式指定路径来保持兼容性。
集群配置默认值优化
新版本对集群相关的两个关键参数进行了优化调整:
-
快照阈值(snapshotThreshold):从8192降低到500,这意味着系统会更频繁地创建状态快照,提高了系统恢复时的效率。
-
追踪日志数量(trailingLogs):从10240减少到500,这个参数控制保留的旧日志条目数量,用于同步对等节点而不是发送完整快照。
这些调整基于实际运行经验,在系统稳定性和性能之间取得了更好的平衡。
终端选择算法改进
Ziti在1.5.0版本中改进了终端选择时的成本计算机制。当服务拨号失败时,系统会为该终端增加失败成本,从而在后续选择时倾向于其他可用终端。新版本将固定每分钟5个信用值的恢复机制改为基于时间的指数增长模型:
min(10, 2 ^ (X/5))
其中X代表自上次失败以来的分钟数。这种算法能更智能地处理终端恢复,避免过于激进或保守的终端选择策略。
路由指标监控增强
1.5.0版本新增了四个关键指标,为网络流量控制提供了更深入的可见性:
- 本地窗口阻塞率:记录因本地窗口满导致的阻塞情况
- 远程窗口阻塞率:记录因远程接收缓冲区满导致的阻塞
- 阻塞时间:跟踪终端处于阻塞状态的总时长
- 边缘数据队列处理时间:监控边缘路由处理入站数据负载的时间
这些指标帮助运维人员更准确地诊断网络性能瓶颈。其中边缘数据队列指标默认关闭,可通过配置启用。
配置项更新
新增了两个路由指标相关配置:
- 事件队列大小:控制使用事件队列的容量,默认256,防止指标收集影响正常数据传输
- 启用数据延迟指标:布尔值,控制是否收集边缘数据队列处理时间指标
其他改进与修复
1.5.0版本还包括多项组件更新和问题修复,涉及身份在线状态处理、恢复操作稳定性、CLI布局选择机制等多个方面。特别值得注意的是:
- 增强了外部JWT签名验证功能
- 修复了控制器在线状态显示问题
- 改进了
ziti router run --extend命令的功能 - 优化了API客户端注册操作
这些改进共同提升了平台的稳定性、安全性和易用性,使OpenZiti Ziti能够更好地满足企业级零信任网络的需求。
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。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
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