OpenZiti 1.3.0版本发布:路由器数据模型与高可用性增强
OpenZiti是一个开源的零信任网络解决方案,它通过软件定义边界(SDP)技术为企业提供安全的网络连接。不同于传统网络连接方式,OpenZiti实现了"默认不信任"的安全模型,所有连接都需要经过严格的身份验证和授权。最新发布的1.3.0版本带来了多项重要改进,特别是在路由器数据模型和高可用性方面的增强。
路由器数据模型正式启用
1.3.0版本中最显著的改进是默认启用了路由器数据模型功能。这项功能允许控制器将精简版的数据模型分发到各个路由器节点,使路由器能够在本地做出部分授权和认证决策,而不必每次都向控制器查询。
这种分布式决策机制带来了两个主要优势:
- 降低了控制器的负载,因为部分决策可以在路由器本地完成
- 提高了系统的响应速度,减少了因网络延迟带来的性能影响
虽然这项功能之前已经存在,但经过充分测试和验证后,现在被设为默认启用状态。对于特殊场景下需要禁用此功能的用户,可以通过控制器的配置文件进行调整:
routerDataModel:
enabled: true # 控制是否启用路由器数据模型相关功能
logSize: 10000 # 缓冲的模型变更数量,用于增量更新
值得注意的是,当控制器运行在高可用性(HA)模式下时,路由器数据模型功能是强制启用的,因为它是HA功能正常运行的基础。
高可用性改进
1.3.0版本对高可用性功能进行了多项优化:
-
简化配置:路由器不再需要显式配置
ha: enabled标志,现在路由器能够自动适应连接的是HA还是非HA控制器,大大简化了部署配置。 -
模式切换安全处理:当控制器从支持路由器数据模型变为不支持(或反之)时,连接的路由器会安全地关闭,确保能够以正确的模式重新启动,避免潜在的不一致问题。
-
健康检查增强:新增了对raft共识算法状态的检查能力。现在通过访问
/health-checks/controller/raft端点,可以获取控制器的raft状态信息,包括是否启用了raft以及当前节点是否为leader。当raft已启用但查询的控制器不是leader时,会返回429状态码。
示例响应:
{
"data": {
"checks": [...],
"healthy": true
},
"raft": {
"isLeader": true,
"isRaftEnabled": true
}
}
其他重要改进
-
OIDC登录改进:修复了使用默认端口和localhost时OIDC配置的404问题,以及处理不支持的媒体类型时的panic问题。
-
内存泄漏修复:解决了路由器API会话管理器的内存泄漏问题。
-
事件系统增强:
- 为所有事件添加了源ID标识
- 调整了集群事件的命名空间
- 移除了连接事件中的URI/参数信息
-
外部身份映射:增强了外部身份映射不匹配时的日志记录,便于问题排查。
-
存储层改进:支持在标识符段(第一个点之后)中使用破折号,提高了标识符的灵活性。
总结
OpenZiti 1.3.0版本通过默认启用路由器数据模型和增强高可用性功能,进一步提升了系统的性能和可靠性。这些改进使得OpenZiti更适合大规模企业部署,特别是在需要高可用性和低延迟的场景下。同时,各种bug修复和功能增强也提升了产品的稳定性和用户体验。
对于现有用户,建议评估升级到1.3.0版本,特别是那些需要高可用性功能的用户。新用户则可以直接从1.3.0版本开始,享受这些改进带来的好处。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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