Ocelot网关项目升级至.NET 9的技术解析
项目概述
Ocelot是一个基于.NET平台的开源API网关项目,它提供了一种简单的方式来管理和路由微服务架构中的API请求。作为一个轻量级的解决方案,Ocelot在.NET生态系统中广受欢迎,特别是在微服务架构中作为API网关使用。
重大版本升级:24.0.0
Ocelot项目近期发布了24.0.0版本,这是一个重要的里程碑式更新。本次升级的核心是将项目目标框架从.NET 8迁移至.NET 9,同时保持了.NET 8的兼容性。这意味着Ocelot现在可以充分利用.NET 9带来的性能改进和新特性。
技术架构调整
在技术架构方面,24.0.0版本做出了几项重要调整:
-
目标框架升级:项目现在支持.NET 8(LTS长期支持版本)和.NET 9(STS标准支持版本)两个目标框架。同时,团队决定放弃对.NET 6和.NET 7的支持,建议仍在使用这些旧版本的用户继续使用23.4.3版本。
-
CI/CD迁移:项目从CircleCI迁移到了GitHub Actions,这一变更不仅提高了构建效率,还解决了之前因政策限制导致的构建中断问题。新的CI/CD流程包括三个主要工作流:PR工作流、开发分支工作流和发布工作流。
-
代码覆盖率监控:新版本引入了Coveralls工具来监控代码覆盖率,设定了80%的覆盖率阈值。当前项目的代码覆盖率维持在85-86%的健康水平。
安全性与功能改进
身份验证机制重构
考虑到IdentityServer4库已被归档且存在安全风险,团队做出了重要决策:
-
移除IdentityServer4依赖:由于IdentityServer4存在安全风险,团队决定在24.0.0版本中移除相关功能。身份验证相关的测试也被暂停。
-
未来规划:团队计划在后续版本中使用ASP.NET Core Identity框架来替代IdentityServer4,这将提供更标准的JWT Bearer令牌处理能力,与.NET生态系统更好地集成。
管理功能调整
Ocelot.Administration扩展包已更名为Ocelot.Administration.IdentityServer4,并计划在未来版本中弃用。相关源代码已从主仓库移出,创建了独立的仓库进行维护。
Kubernetes服务发现增强
对于使用Kubernetes作为服务发现的用户,24.0.0版本带来了重要改进:
-
客户端配置灵活性:新增了AddKubernetes方法重载,允许开发者直接配置KubeClientOptions,提供了更大的灵活性。
-
KubeClient升级:Kubernetes提供程序现在使用KubeClient v3版本,该版本专为.NET 8和.NET 9优化,并提供了更好的API请求失败日志记录功能。
文档与示例优化
团队对文档和示例项目进行了全面审查和更新:
-
现代化代码示例:所有示例项目都采用了.NET 8引入的顶级语句特性,使代码更加简洁。
-
文档质量提升:文档内容经过全面修订,提高了可读性,消除了歧义,并增加了更多实用的表格和数据模式说明。
技术前瞻
从24.0.0版本的变更可以看出Ocelot项目的几个技术方向:
-
紧跟.NET发展:积极拥抱最新的.NET版本,确保项目能够利用最新的平台特性和性能优化。
-
安全性优先:对存在安全风险的组件采取果断措施,即使这意味着需要重构核心功能。
-
开发者体验:通过改进文档、示例和工具链,持续提升开发者的使用体验。
升级建议
对于考虑升级到24.0.0版本的用户,建议:
-
评估当前项目使用的.NET版本,确保至少使用.NET 8。
-
如果使用了IdentityServer4相关的功能,需要规划替代方案。
-
测试Kubernetes服务发现功能,特别是如果使用了自定义配置。
-
利用新的文档资源来熟悉现代化配置方式。
Ocelot 24.0.0版本的发布标志着该项目在.NET生态系统中的持续成熟和发展,为构建现代化微服务架构提供了更强大、更安全的工具支持。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00