Duende IdentityServer 6.0 预览版3技术解析
项目简介
Duende IdentityServer 是一个功能强大的开源身份认证和授权框架,用于为现代应用程序构建安全的身份解决方案。作为.NET生态系统中领先的OpenID Connect和OAuth 2.0实现,它提供了构建单点登录(SSO)、API访问控制等安全功能的基础设施。
6.0预览版3主要更新
.NET 6全面支持
本次预览版最重要的变化是全面迁移到.NET 6平台。开发团队紧跟.NET发展步伐,从预览版6到RC1再到RTM版本,逐步完善了对.NET 6的支持。这为开发者带来了性能提升、现代化API和跨平台能力的增强。
数据库上下文池化改进
在数据访问层,团队对DbContext池化进行了重大改进。通过重构DbContext构造函数,使其更适合池化场景,同时解决了早期池化实现中的问题。这种优化对于高并发场景下的性能提升尤为明显。
EF Core优化
实体框架核心(EF Core)方面有多项改进:
- 添加了Keys表的TableConfiguration配置
- 为不允许重复记录的EF表添加了唯一约束
- 为EF实体添加了创建时间、更新时间等缺失字段
- 优化客户端查询,减少数据库往返次数
- 持久授权(Persisted Grant)句柄编码改进,避免排序规则问题
认证流程增强
认证流程方面有几个值得注意的变化:
- 添加了对"temporarily_unavailable"错误类型的支持
- 修复了CustomRedirectResult与Login和ConsentPageResult之间的不一致性
- 改进了前端通道注销iframe功能
- 添加了IdentityProvider验证器
缓存机制优化
缓存系统进行了多项改进:
- 默认缓存添加了防止并发重新加载的功能
- 更改了资源存储缓存的设计
- 使用更Redis友好的值作为缓存键分隔符
- 修复了DistributedCacheAuthorizationParametersMessageStore中的缓存移除bug
依赖项清理
为了支持运行时提供的System.Text.Json,进行了依赖项清理工作,使系统更加灵活和轻量级。
CIBA支持
添加了对客户端发起的后端认证(CIBA)的支持,这是OpenID Connect的一个重要扩展,特别适用于需要后台认证的场景。
技术细节深入
时间处理改进
修复了创建时间使用本地时间而非UTC时间的问题,确保时间戳的一致性,这对于分布式系统尤为重要。
序列化优化
移除了AuthenticationProperties的自定义序列化处理,转而使用更标准的实现,提高了兼容性和可维护性。
多租户支持增强
通过改变DI中嵌套选项的生命周期,使其对多租户场景更加友好,为构建SaaS应用提供了更好的基础。
性能测试工具
添加了简单的性能测试宿主应用程序,方便开发者评估和优化系统性能。
开发者体验改进
Razor页面支持
将Quickstart UI和EF/ASP.NET Identity主机迁移到使用Razor Pages,提供了更现代化的开发体验。
构建工具更新
更新了构建工具链,包括Bullseye和SimpleExec等工具的版本升级,改善了构建过程的可靠性和效率。
总结
Duende IdentityServer 6.0预览版3带来了大量底层架构改进和功能增强,特别是在.NET 6支持、性能优化和开发者体验方面。这些变化为构建现代化、高性能的身份解决方案奠定了坚实基础。随着正式版的临近,开发者可以期待一个更强大、更稳定的身份认证框架。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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