Userver框架v2.9版本发布:日志增强与数据库驱动优化
Userver是一个现代化的C++异步服务框架,专注于高性能和易用性。它提供了构建微服务的完整工具链,包括HTTP服务器、数据库驱动、日志系统等基础设施。最新发布的v2.9版本带来了多项重要改进,特别是在日志系统和数据库驱动方面。
日志系统全面升级
v2.9版本对日志系统进行了重大改进,引入了fmt风格的格式化支持。开发者现在可以使用更直观的字符串插值语法:
LOG_INFO("用户 {} 从 {} 登录", user_id, ip_address);
这种格式化方式不仅代码更简洁,还支持lambda表达式,为复杂日志场景提供了更大的灵活性。同时,框架优化了日志输出格式,默认隐藏了thread_id和task_id等冗余信息,使得INFO及以上级别的日志更加简洁易读。
数据库驱动增强
PostgreSQL驱动新增了静态配置选项statement-log-mode,允许完全禁用SQL语句日志记录,这在生产环境中处理敏感数据时特别有用。同时,PostgreSQL缓存特性现在支持kOrderBy和DISTINCT ON表达式组合,使得开发者能够只存储数据切片,优化内存使用。
ClickHouse驱动现在全面支持double类型数据的查询操作,填补了之前的功能空白。YDB驱动则扩展了编译器兼容性,现在不仅支持Clang,也能在GCC下正常工作,不过仍需要C++20标准支持。
Redis组件在哨兵模式下新增了通过database_index配置项选择数据库索引的功能,为多数据库环境提供了更好的支持。此外,修复了独立Redis实例状态变更通知的问题,确保状态变化时能及时触发通知。
gRPC性能与安全改进
gRPC组件在本版本中获得了显著优化。大型请求和响应消息的日志记录速度大幅提升,同时建议使用[debug_redact = true]替代原有的[(userver.field).secret = true]标记敏感字段,提供了更符合gRPC原生特性的数据保护方式。
服务器和客户端的日志标签现在保持了一致性,便于跨服务日志追踪。中间件功能也得到了增强和完善,文档中新增了更多使用示例和最佳实践。
构建系统与工具链优化
构建系统方面,v2.9修复了多个兼容性问题:
- 解决了ClickHouse驱动中浮点数转义的编译问题
- 修复了curl 8.13和fmt 11的兼容性问题
- 新增了
USERVER_DEBUG_INFO_COMPRESSION构建选项,改进了调试信息压缩检测算法
项目还新增了Debian 12的依赖说明和构建指南,同时优化了Conan源文件的导出逻辑,只包含未被git忽略的文件。
开发者体验提升
v2.9版本引入了一个重要的新工具userver-create-service脚本,用于快速创建新服务项目。这标志着GitHub服务模板的正式弃用,新的脚本方式提供了更灵活和可定制化的服务创建流程。
测试套件也进行了现代化改造,移除了event_loop用法并采用asyncio-socket。堆栈使用监控器现在可以通过环境变量USERVER_GTEST_ENABLE_STACK_USAGE_MONITOR在测试中禁用,为特定测试场景提供了更多控制权。
文档与诊断增强
文档系统获得了多项补充和完善:
- 新增了代码生成概述、外部SQL/YQL文件使用和协程堆栈等专题文档
- 改进了Kafka指标系统并完善了相关文档
- 为Redis驱动的
Eval系列函数添加了详细文档和示例 - 动态配置的结构和解析器现在通过chaotic从模式自动生成
总体而言,Userver v2.9版本在功能丰富性、性能优化和开发者体验方面都取得了显著进步,特别是日志系统和数据库驱动的改进,使得这个C++微服务框架更加成熟和实用。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00