AnyCable v1.6.0 发布:新增 Presence 追踪与 WebSocket 安全认证增强
AnyCable 是一个高性能的 WebSocket 服务器,专为 Ruby on Rails 的 Action Cable 设计,旨在提供更高效、更可靠的实时通信能力。它通过将 WebSocket 连接处理与 Rails 应用逻辑分离,显著提升了实时应用的性能和可扩展性。
Presence 追踪功能上线
在 v1.6.0 版本中,AnyCable 引入了备受期待的 Presence 追踪功能。这个功能允许开发者实时监控和管理连接用户的在线状态,为构建协作应用、实时仪表盘等场景提供了强大支持。
Presence 追踪的实现涉及客户端和 RPC 协议的增强,使得服务器能够:
- 跟踪特定频道中的用户连接状态
- 获取当前在线用户列表
- 实时通知用户加入/离开事件
这项功能特别适合需要展示用户在线状态的协作应用,如文档协作编辑、实时聊天室等场景。
WebSocket 安全认证改进
新版本增加了通过 WebSocket 子协议传递认证令牌的能力。开发者现在可以选择将认证令牌作为 anycable-token.<token> 子协议传递给 WebSocket 客户端,而不是通过 URL 参数传递。
这种改进带来了两个主要优势:
- 安全性提升:避免了令牌在 URL 中暴露的风险
- 兼容性更好:某些网络中间件可能会过滤或记录 URL 参数,而子协议则不受影响
性能监控与指标增强
v1.6.0 引入了新的监控指标 publications_total,帮助开发者区分两种不同类型的消息:
- 从应用程序到 AnyCable 的发布(publications)
- 实际广播到客户端的消息(broadcasts)
这个指标对于性能调优和问题诊断非常有价值,特别是在高流量场景下,可以帮助开发者精确识别性能瓶颈。
连接处理优化
新版本对消息缓冲机制进行了重构,用队列替代了原有的通道实现。这一改变配合以下两个新配置参数,可以更好地处理慢速客户端问题:
ws_write_timeout:写入超时时间(默认从10秒调整为2秒)ws_max_pending_size:最大待处理消息大小
这些改进显著提升了 AnyCable 在连接质量不稳定环境下的稳定性,特别是在移动网络或高延迟连接场景中。
gRPC 超时配置
考虑到分布式部署的需求,v1.6.0 增加了对 gRPC 超时设置的支持。开发者现在可以更精细地控制 AnyCable 节点与 RPC 服务之间的通信超时,避免因网络问题导致的长时间阻塞。
总结
AnyCable v1.6.0 通过引入 Presence 追踪、改进认证机制、增强监控指标和优化连接处理,进一步巩固了其作为 Rails 实时通信首选解决方案的地位。这些改进不仅提升了功能丰富度,也增强了系统的稳定性和安全性,为开发者构建高性能实时应用提供了更强大的工具集。
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