OpenDAL 新增功能:列出未永久删除的已删除对象
在对象存储系统中,对象删除操作往往不是立即永久删除,而是会保留一段时间以便恢复。OpenDAL 项目近期正在讨论一个重要的功能增强:如何有效地列出这些已被标记删除但尚未永久移除的对象。
背景与需求
现代对象存储服务如 S3 提供了版本控制功能,当启用版本控制时,简单的 DELETE 操作并不会真正删除对象,而是插入一个删除标记(delete marker)作为当前版本。这意味着用户仍然可以通过指定版本号来恢复被删除的对象。
类似地,Azure Blob 存储提供了软删除(Soft Delete)功能,即使在不启用版本控制的情况下,也能保留已删除的对象一段时间。这些特性为数据恢复提供了保障,但也带来了管理上的复杂性。
当前实现与局限
目前 OpenDAL 的 List 操作可以列出活跃对象,通过 version(true) 参数可以列出包括非当前版本在内的所有对象版本。然而,在 S3 的实现中发现一个问题:当执行简单 DELETE 时产生的删除标记(delete marker)并不会出现在返回结果中,因为这些标记被放在单独的 DeleteMarker 容器中,而非 Version 容器。
功能设计方案
经过社区讨论,决定将列出已删除对象的功能设计为一个正交于版本列表的功能。这意味着用户可以灵活组合不同的参数来获取所需的对象列表:
- 仅列出活跃文件:list_with(path)
- 列出活跃文件及非当前版本:list_with(path).version(true)
- 列出活跃文件及已删除文件:list_with(path).deleted(true)
- 列出所有文件(活跃、非当前版本、已删除):list_with(path).version(true).deleted(true)
这种设计不仅解决了 S3 版本控制场景下的需求,也能兼容其他存储服务如 Azure Blob 的软删除特性,为不同后端提供一致的接口体验。
技术实现考量
在实际实现中需要考虑以下几点:
- 不同存储后端的差异处理:S3 使用删除标记,Azure 使用软删除,需要统一抽象
- 性能影响:列出更多对象可能增加请求延迟和带宽消耗
- 权限控制:确保用户有足够的权限访问已删除对象
- 结果过滤:如何高效地从大量结果中筛选出用户真正需要的对象
总结
OpenDAL 新增的列出已删除对象功能将大大增强数据恢复和管理能力。通过正交的参数设计,既保持了接口的简洁性,又提供了足够的灵活性来满足不同场景下的需求。这一改进将使 OpenDAL 在各种对象存储服务上的行为更加一致和可预测,为开发者提供更强大的数据管理工具。
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