Apache Shenyu 2.7.0.1版本发布:网关性能优化与AI插件增强
Apache Shenyu作为一款高性能、可扩展的API网关,在微服务架构中扮演着重要角色。它提供了丰富的功能集,包括动态路由、流量控制、熔断降级等,同时支持多种协议和插件扩展。最新发布的2.7.0.1版本带来了多项重要改进,特别是在性能优化、AI插件增强和问题修复方面。
核心改进与优化
1. 性能优化与稳定性提升
本次版本对多个核心组件进行了性能优化。在日志收集方面,通过优化日志压缩处理机制,解决了日志gzip格式混乱的问题,显著提升了日志处理效率。同时,对BodyParamUtils工具类进行了重构,引入Caffeine缓存机制,减少了重复计算,提高了参数处理的响应速度。
在缓存管理方面,修复了Nacos作为同步中心时规则缓存无法删除的问题,确保了缓存一致性。MetaDataCache组件增加了空指针保护机制,避免了潜在的NPE异常。这些改进共同提升了网关的整体稳定性和可靠性。
2. AI插件生态增强
2.7.0.1版本重点加强了AI相关插件的能力:
- 新增AI Proxy插件,为AI服务提供了统一的代理接入层
- 引入AI Token限流插件,能够对AI服务的访问进行精细化的流量控制
- 开发AI Prompt插件,支持对AI模型的输入提示进行统一管理
- 优化了AI插件的SQL存储结构,确保数据持久化的可靠性
这些增强使得Apache Shenyu能够更好地服务于AI应用场景,为企业级AI服务提供了完善的网关支持。
3. 协议与序列化支持
在协议支持方面,本次版本主要做了以下改进:
- 完善了Dubbo协议对protobuf序列化的支持
- 修复了Dubbo方法配置在引用时的处理逻辑
- 优化了H2数据库中JSON数据的存储格式
- 增强了API文档生成功能,能够正确解析返回类型
这些改进使得Apache Shenyu能够更好地支持复杂的微服务调用场景,特别是对于使用Dubbo和gRPC等RPC框架的系统。
问题修复与稳定性增强
2.7.0.1版本修复了多个关键问题:
- 修复了HTTP轮询模式下的若干bug,提高了长轮询连接的稳定性
- 解决了2.6.1版本客户端注册失败的问题,确保服务发现机制可靠运行
- 修正了命名空间删除时的错误处理逻辑
- 修复了管理员导入配置时的异常问题
- 解决了资源表主键冲突的问题
针对日志组件,修复了Elasticsearch、腾讯云日志和阿里云日志配置修改后无法正确刷新的问题,确保日志配置能够实时生效。
架构与代码质量提升
在架构层面,本次版本引入了shenyu-infra基础模块,为后续功能扩展提供了统一的基础设施支持。同时重构了服务发现插件,移除了springcloud插件,使架构更加清晰。
代码质量方面也有显著提升:
- 使用Checkstyle规范代码,避免直接使用==null检查
- 优化了断言(assert)关键字的使用
- 增加了大量单元测试,包括RestTemplateConfiguration、ShenyuControllerEndpoint等核心组件
- 通过@Transactional注解确保数据一致性
- 重构了多个模块的代码结构,包括shenyu-sync-data、shenyu-registry等
开发者体验改进
为提升开发者体验,本次版本做了以下改进:
- 升级了Gitpod配置,支持Java开发环境
- 优化了CI流程,升级了CodeQL版本
- 完善了上传JAR包的校验机制
- 提供了更完善的升级SQL脚本,确保从2.6.1到2.7.0的平滑升级
总结
Apache Shenyu 2.7.0.1版本在性能、功能和稳定性方面都有显著提升,特别是对AI场景的支持使其应用范围进一步扩大。通过持续优化核心架构和增强插件生态,Shenyu正逐步成为企业级API网关的首选解决方案。开发者可以基于此版本构建更加稳定、高效的微服务架构,同时享受更完善的AI服务集成能力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03