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。
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