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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00