Oban v2.19.0 发布:MySQL支持与自动化安装体验升级
Oban 是一个用 Elixir 编写的强大后台任务处理库,它提供了可靠的任务队列、调度和执行功能。最新发布的 v2.19.0 版本带来了多项重要更新,包括对 MySQL 数据库的官方支持、全新的自动化安装工具以及多项日志增强功能。
MySQL 数据库支持
Oban 现在正式支持 MySQL 数据库,通过新增的 Dolphin 引擎实现。这一支持针对 MySQL 8.4 及以上版本,这些版本提供了完整的 JSON 支持。值得注意的是,Oban 已经在高性能的 PlanetScale 数据库上进行了充分测试。
要使用 MySQL 作为 Oban 的后端存储非常简单,只需在配置中指定 Dolphin 引擎:
config :my_app, Oban,
engine: Oban.Engines.Dolphin,
queues: [default: 10],
repo: MyApp.Repo
这一变化使得 Oban 能够支持更多使用 MySQL 的 Elixir 应用程序。
自动化安装工具
新版本引入了基于 Igniter 的 mix 任务来简化 Oban 的安装过程。新的 oban.install 任务会自动处理标准 Oban 安装和配置,并根据数据库适配器自动推断正确的 engine 和 notifier。
安装命令非常简单:
mix igniter.install oban
这个安装任务还能与其他 Igniter 安装器组合使用,使得一次性安装多个组件成为可能:
mix igniter.install phoenix ash_phoenix ash_postgres ash_oban
日志功能增强
在繁忙的系统中,日志可能会因为作业事件而变得嘈杂。新版本增加了 events 选项到 attach_default_logger/1,允许选择性事件日志记录,这样可以在不记录所有作业活动的情况下接收重要通知。
新增的 peer:election 事件会记录领导权变更,帮助诊断节点何时获得或失去领导权:
[
message: "peer became leader",
source: "oban",
event: "peer:election",
node: "worker.1",
leader: true,
was_leader: false
]
此外,所有核心插件现在都会通过可选回调记录 plugin:stop 事件,而无论插件是否实现回调,都会记录 plugin:exception 事件。Cron、Lifeline、Pruner、Stager 和 Reindexer 插件现在都会记录运行时信息。
官方 JSON 支持
Oban 现在默认使用 Elixir v1.18+ 内置的官方 JSON 模块(如果可用)。新增的 Oban.JSON 模块会在编译时检测官方 Elixir JSON 模块是否可用。如果不可用,则回退到 Jason,如果 Jason 也不可用(这种情况极为罕见),则会发出缺少模块的警告。
其他重要改进
-
并行队列启动:现在启动时会并行初始化所有队列,显著减少了具有多个队列的应用程序的启动时间。
-
新增删除操作:添加了
delete_job/2和delete_all_jobs/2操作,使删除作业更加简单和安全。 -
队列关闭记录:队列生产者元数据现在包含
shutdown_started_at字段,用于指示队列不仅暂停,而且正在关闭。 -
测试辅助工具:新增
build_job/3辅助函数,简化了测试过程。 -
节点操作修复:修正了
scale_queue/2调用的:node选项处理问题。 -
迁移修复:修复了具有非唯一
oid的数据库的版本查询问题。 -
修剪器改进:根据作业状态使用特定字段查询可修剪作业。
-
时间处理:在测试中保留微秒时间精度,确保
scheduled_at测试的准确性。
Oban v2.19.0 的这些改进显著提升了其在生产环境中的可靠性和易用性,特别是对 MySQL 用户和需要更精细日志控制的开发者来说,这些新功能将大大改善他们的开发体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00