AWS SDK for Java v2 2.31.53版本更新解析
AWS SDK for Java是亚马逊云服务官方提供的Java开发工具包,它让开发者能够方便地在Java应用中集成AWS的各种云服务。最新发布的2.31.53版本带来了一系列功能增强和服务更新,本文将对这些更新进行详细解读。
核心服务更新
AWS Amplify构建配置增强
AWS Amplify服务现在支持自定义构建实例大小。在CreateApp和UpdateApp操作中新增了JobConfig参数,该参数包含BuildComputeType属性,允许开发者根据项目需求选择合适的构建计算资源规格。这一改进使得构建过程可以更好地匹配项目规模,优化构建时间和成本。
AWS Billing and Cost Management定价计算器改进
定价计算器服务新增了AFTER_DISCOUNTS_AND_COMMITMENTS作为Workload Estimate Rate Type的一个选项。同时,ListWorkLoadEstimateUsage API的maxResults参数范围现在被限制在0到300之间。这些变更使得成本估算更加精确,同时避免了过大结果集带来的性能问题。
CloudTrail事件数据存储增强
CloudTrail服务推出了"富化事件"功能,支持为事件数据存储配置上下文信息。这意味着安全团队和分析师现在可以获得包含更丰富上下文信息的事件日志,便于进行更深入的安全分析和审计追踪。
AWS DataExchange事件动作标签支持
DataExchange服务现在为Event Action资源添加了标签(Tag)支持。用户可以为事件动作添加标签,并通过标签来组织和检索事件动作。这一功能提升了资源管理的灵活性和效率,特别是在处理大量事件动作时。
存储服务更新
Amazon FSx智能分层存储
FSx for Lustre服务正式推出了新的智能分层存储类别。这一功能可以根据数据访问模式自动在不同存储层之间移动数据,优化存储成本而不牺牲性能。对于需要处理大量数据但访问模式不均匀的工作负载特别有用。
S3存储桶所有权控制校验和
S3服务现在为PutBucketOwnershipControls API添加了校验和支持。这一增强提高了API调用的可靠性,确保所有权控制设置的完整性和一致性。
DataSync存储位置认证改进
DataSync服务对对象存储和Azure Blob位置创建请求进行了多项改进:
- AgentArns字段变为可选
- 位置凭证现在通过Secrets Manager管理
- 支持使用服务管理密钥或客户管理密钥进行加密
- Azure Blob位置的认证变为可选
这些变更简化了配置流程,同时提高了凭证管理的安全性。
其他服务更新
Amazon Connect邮件接收限制提升
Connect服务提高了电子邮件接收者的数量限制,使得客户服务团队能够更高效地处理大量客户咨询。
IVS Real-Time参与者复制
IVS实时流媒体服务新增了参与者复制功能,允许将参与者从一个舞台复制到另一个舞台。这一功能为构建复杂的互动直播应用提供了更大的灵活性。
SageMaker MLflow跟踪服务器维护状态
SageMaker服务在DescribeMlflowTrackingServer API响应中添加了维护状态字段,让用户能够更好地了解和管理他们的MLflow跟踪服务器。
MWAA环境更新策略
Amazon Managed Workflows for Apache Airflow (MWAA)现在允许在更新环境时选择工作节点替换策略。新增了两种策略:
- FORCED(默认):立即停止工作节点
- GRACEFUL:允许工作节点完成当前任务后再关闭
这一改进使得环境更新更加灵活,可以根据业务需求选择最小中断或最快更新的策略。
Auto Scaling新增Apple CPU支持
Auto Scaling服务现在支持将"apple"作为CpuManufacturer的值之一,在ABIS(Amazon EC2 Bare Metal Instance)中使用。这一更新为使用Apple芯片的用户提供了更好的支持。
总结
AWS SDK for Java v2 2.31.53版本带来了多项重要更新,涵盖了计算、存储、数据分析、机器学习等多个领域。这些更新不仅增加了新功能,也改进了现有服务的可用性和安全性。开发者可以通过升级SDK版本来利用这些新特性,构建更强大、更可靠的云应用。
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