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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00