Countly Server 25.03.4版本发布:多CORS支持与仪表盘刷新优化
项目概述
Countly是一个开源的移动和Web分析平台,提供实时数据监控、用户行为分析、崩溃报告等功能。作为一款企业级解决方案,Countly Server是其核心服务端组件,负责数据处理、存储和分析工作。
核心功能增强
多CORS支持
25.03.4版本为Web应用新增了多CORS(跨域资源共享)配置能力。这项改进允许开发者为单个应用配置多个允许的跨域来源,解决了之前版本中只能设置单一来源的限制。对于需要从多个域名或子域名访问Countly API的复杂Web应用架构,这一特性显著提升了开发灵活性。
应用ID与名称的自追踪视图
新版本将应用ID和名称添加为自追踪视图的细分维度。这一改进使得数据分析师能够更精确地追踪和区分不同应用的数据流,特别是在管理多个应用的场景下,可以更清晰地了解各应用的性能表现和用户行为差异。
仪表盘刷新率配置
针对数据实时性要求较高的使用场景,25.03.4版本为仪表盘新增了刷新率设置功能。管理员现在可以根据业务需求,为特定仪表盘配置更高的数据刷新频率,确保关键业务指标能够近乎实时地反映系统状态。这一功能特别适合监控关键业务指标或实时运营数据的场景。
企业版功能更新
许可证管理优化
企业版在许可证管理方面进行了多项改进:
- 更新了许可证过期和超限使用时的锁定条件,使系统行为更加可预测
- 新增了通过远程配置强制锁定系统的能力,增强了集中管理能力
- 改进了仪表盘锁定机制,非管理员用户将被重定向到首页,提升了安全性
问题修复与稳定性提升
数据管理修复
修复了dbviewer中只能从默认数据库下载数据的问题,现在支持从所有数据库下载数据,为管理员提供了更完整的数据访问能力。
崩溃分析改进
解决了SDK日志未转义的问题,提高了崩溃日志的可读性和分析准确性。同时修复了符号化服务器API端点测试的相关问题,确保崩溃符号化流程的可靠性。
用户界面优化
调整了抽屉组件标题和关闭图标的对齐方式,提升了界面一致性。修复了星级评分组件中表格编辑缺失列的问题,完善了功能完整性。
推送通知修复
修正了推送通知标题和内容文本与变量组合的问题,确保变量替换能够正确执行,提高了推送消息的准确性。
报表系统改进
修复了事件键包含"."字符时邮件报表无法正确匹配事件的问题,增强了报表系统的兼容性。
企业版专项修复
队列分析修复
解决了组合多个队列时出现的问题,确保复杂的队列分析能够正确执行。
数据钻取优化
优化了应用用户数据删除时的旧集合检查逻辑,当禁用从旧集合查询时,系统将不再重新检查这些集合,提高了数据处理效率。
技术价值分析
25.03.4版本在多个维度提升了Countly Server的技术价值:
- 架构灵活性:多CORS支持使系统能够更好地适应现代Web应用的分布式架构需求
- 数据分析深度:新增的自追踪维度为精细化分析提供了更多可能性
- 实时性提升:可配置的仪表盘刷新率满足了不同业务场景对数据时效性的差异化需求
- 企业管控能力:许可证管理改进增强了企业环境下的系统管控能力
- 稳定性增强:多项问题修复提高了系统的整体可靠性和用户体验
这一版本体现了Countly团队对产品持续优化的承诺,既关注核心功能的完善,也不断提升企业级特性,为不同规模的用户提供了更强大、更稳定的数据分析平台。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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