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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00