Micrometer 1.15.0-M3 版本发布:监控指标库的重要更新
Micrometer 是一个为 Java 应用提供指标收集功能的工具库,它作为应用指标门面,能够对接多种监控系统如Prometheus、Atlas、Datadog等。本次发布的1.15.0-M3版本带来了多项功能增强和问题修复,进一步提升了开发者在应用监控方面的体验。
核心功能增强
基于方法结果的标签创建
新版本对TimedAspect和CountedAspect进行了扩展,现在支持根据方法的执行结果动态创建标签。这一改进使得开发者能够更灵活地对不同结果状态的方法调用进行分类监控。例如,可以轻松区分成功和失败的调用,为业务监控提供了更细粒度的支持。
OTLP指标发送器API优化
OpenTelemetry协议(OTLP)是现代可观测性领域的重要标准。Micrometer在此版本中改进了OTLPMetricsSender接口,使其更加易用和灵活。这一变化为开发者提供了更好的集成体验,特别是在云原生和分布式系统环境中。
仪表级指数直方图配置
新版本支持在仪表级别配置指数直方图,这是一个重要的监控功能增强。指数直方图特别适合处理长尾分布的数据,能够更精确地表示数据分布情况。开发者现在可以根据具体需求,为不同的指标单独配置直方图参数,获得更精确的监控数据。
问题修复
Log4j2集成问题
修复了Log4j2Metrics与编程方式添加LoggerConfig不兼容的问题。这一修复确保了无论日志配置是通过配置文件还是编程方式添加,都能被正确监控。
分布值计算异常
解决了当分布值的计数为0时,平均值却显示为非零值的异常情况。这一修复保证了指标计算的准确性,避免了可能导致的监控数据误解。
依赖项升级
Micrometer始终关注依赖生态系统的健康发展,本次版本更新了多个关键依赖:
- Google认证库升级至1.33.1版本,增强了安全性
- Google云监控SDK更新至3.60.0,提供更多云监控功能
- Prometheus指标库升级至1.3.6,包含最新的监控协议支持
- AWS CloudWatch SDK更新至2.30.32,优化了云服务集成
这些依赖升级不仅带来了性能改进,还修复了已知的问题,为生产环境提供了更可靠的保障。
总结
Micrometer 1.15.0-M3版本在功能丰富性和稳定性方面都有显著提升。新引入的基于方法结果的标签创建功能为业务监控开辟了新思路,OTLP协议的优化则顺应了云原生监控的发展趋势。同时,多项问题修复确保了监控数据的准确性。对于正在使用或考虑采用Micrometer的Java开发者来说,这个版本值得关注和评估升级。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00