AWS SDK Rust 2025年5月发布:新增AMP查询日志与Glue分区转换支持
AWS SDK Rust项目是亚马逊云服务官方提供的Rust语言SDK,它让开发者能够以高效、安全的方式访问AWS云服务的各种API。2025年5月22日,该项目发布了新版本,主要针对Amazon Managed Prometheus(AMP)和AWS Glue服务进行了功能增强。
Amazon Managed Prometheus新增查询日志配置API
本次更新为Amazon Managed Prometheus(AMP)服务添加了QueryLoggingConfiguration相关API。AMP是一项完全托管的Prometheus兼容监控服务,用于监控容器化工作负载和应用程序。
新加入的API允许开发者:
- 配置查询日志记录功能
- 查看和管理现有的查询日志配置
- 监控和分析PromQL查询的执行情况
这项功能特别适合需要审计查询历史或优化查询性能的场景。开发团队可以通过这些API获取查询执行的详细信息,包括查询语句、执行时间和资源消耗等指标,从而更好地理解系统的监控查询模式。
AWS Glue集成表属性新增分区转换支持
在AWS Glue服务方面,本次更新为CreateIntegrationTableProperty API增加了ConversionSpec参数支持。这个参数允许开发者为用于基于时间戳分区的列指定适当的列转换规则。
具体来说,这个增强功能:
- 支持在创建集成表属性时定义列转换规则
- 特别优化了时间戳分区列的转换处理
- 使ETL流程能够更灵活地处理不同格式的时间戳数据
对于使用Glue进行数据集成和ETL处理的团队,这意味着可以更轻松地处理来自不同数据源的时间戳数据,确保分区结构的正确性和查询效率。
其他服务更新
除了上述主要更新外,本次发布还包括:
-
AuditManager服务:弃用了AssessmentControl描述字段,并增强了UpdateAssessment API,现在当超过服务配额时会返回ServiceQuotaExceededException。
-
DSQL服务:新增了对客户管理加密密钥(CMEK)的支持,提供了更灵活的数据加密选项。
技术影响与最佳实践
对于使用Rust开发AWS应用的团队,建议:
-
AMP监控优化:利用新的查询日志API建立查询性能监控机制,定期分析慢查询并优化PromQL。
-
Glue ETL改进:在构建数据湖时,充分利用新的ConversionSpec参数确保时间戳分区的一致性,特别是在整合多源数据时。
-
错误处理增强:针对AuditManager的更新,确保代码能够正确处理新的ServiceQuotaExceededException异常情况。
AWS SDK Rust持续保持每月更新的节奏,每次更新都会带来新的服务支持或现有服务的功能增强。对于Rust开发者而言,这是一个稳定且功能丰富的选择,特别适合需要高性能和内存安全的云应用场景。
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