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。
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