Centrifuge项目v0.34.4版本发布:优化跨域预检请求与Redis兼容性
Centrifuge是一个高性能的实时通信库,它提供了WebSocket、HTTP流等多种实时数据传输方式,并支持多种后端存储和消息代理。该项目广泛应用于构建实时聊天、通知推送、在线协作等需要低延迟通信的场景。
预检请求优化
在v0.34.4版本中,Centrifuge针对跨域资源共享(CORS)的预检请求(preflight requests)进行了两项重要改进:
-
预检请求缓存:现在服务器会对跨域双向模拟场景(http_stream和模拟端点)中的预检请求进行缓存,缓存时间为300秒。这项改进显著减少了不必要的预检请求数量,将原本需要两次往返(RTT)的通信过程优化为只需一次。
-
响应状态码变更:对于预检请求,服务器现在返回204(No Content)状态码而非原来的200(OK)。这一变更更加符合HTTP规范,因为预检请求本身不需要返回任何内容。
Redis客户端兼容性调整
该版本将rueidis Redis客户端库从较新版本回退到v1.53.0,主要是为了解决在强制使用RESP2协议时可能出现的认证错误问题。这是一个临时性的兼容性调整,预计在rueidis的下一个稳定版本中会修复这个问题。
文档完善
v0.34.4版本还完善了关于模拟传输中http.ResponseController使用的文档说明。这个控制器在处理HTTP基础实时传输时对超时控制非常重要,特别是在服务器端设置超时的情况下。
技术背景与价值
预检请求是浏览器在发送跨域请求前自动发起的一种OPTIONS请求,用于检查服务器是否允许实际的跨域请求。在实时通信场景中,频繁的预检请求会增加网络开销和延迟。Centrifuge通过缓存机制有效解决了这个问题,对于提升Web应用的实时性能有显著帮助。
Redis兼容性调整则确保了在各种Redis部署环境下的稳定连接,特别是那些仍在使用旧版RESP2协议的环境。
这些改进体现了Centrifuge项目对性能优化和稳定性的持续关注,使得开发者能够构建更加高效可靠的实时应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00