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。
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