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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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