AWS SDK for Java v2 2.31.23版本发布:增强资源管理与服务集成能力
AWS SDK for Java v2作为亚马逊云服务官方提供的Java开发工具包,为开发者提供了便捷的云服务API访问能力。最新发布的2.31.23版本带来了一系列功能增强和优化,特别是在资源管理、服务集成等方面进行了重要更新,同时包含了一些关键性的Bug修复。
核心功能更新
资源组管理能力增强
AWS Resource Groups服务在此版本中获得了重要升级,现在支持通过ResourceQuery创建TagSyncTasks。这一改进使得开发者能够更灵活地基于资源查询条件来创建标签同步任务,简化了跨资源标签管理的操作流程。对于需要大规模管理云资源的用户来说,这意味着可以更高效地组织和分类云上资源。
服务目录搜索功能优化
AWS Service Catalog在此版本中调整了SearchProvisionedProducts API的默认行为。现在默认的access-level-filter参数值被设置为Account级别,这一变更使得API调用更加符合常规使用场景。对于需要用户级别或角色级别访问控制的场景,开发者需要显式指定access-level-filter参数。这种设计既保证了常用场景的简便性,又保留了细粒度访问控制的灵活性。
Aurora数据库服务端点获取
Amazon Aurora DSQL服务新增了GetClusterEndpointService API,允许开发者获取特定于集群的端点服务名称。这一功能对于构建高可用数据库应用的开发者尤为重要,能够帮助他们更精确地控制数据库连接策略,实现更优化的数据库访问架构。
服务集成能力提升
Connect Cases服务SLA跟踪
Amazon Connect Cases服务新增了服务级别协议(SLA)跟踪功能。开发者现在可以通过CreateRelatedItem API在案例上创建类型为Sla的相关项,并使用SearchRelatedItems API进行搜索。这一功能为客服系统开发提供了强大的SLA管理能力,使得企业能够程序化地跟踪和满足服务承诺,提升客户服务质量。
EventBridge连接加密支持
Amazon EventBridge服务增强了连接管理能力,现在CreateConnection、UpdateConnection和DescribeConnection等API支持KmsKeyIdentifer参数。这一改进为事件驱动的应用程序提供了更强的安全性保障,开发者可以使用KMS客户主密钥来保护事件连接,满足更严格的安全合规要求。
技术优化与修复
在技术实现层面,此版本包含了对AWS SDK for Java v2迁移OpenRewrite配方的编译优化,现在会使用-parameters参数进行编译。这一改进由社区贡献者提供,虽然看似技术细节,但对于使用迁移工具的用户来说,能够获得更好的兼容性和稳定性。
容器与存储服务更新
Amazon EKS服务新增了对AL2023 ARM64 NVIDIA AMIs的支持,为使用ARM架构和GPU加速的工作负载提供了更多选择。同时,Amazon S3 Tables服务现在支持在表存储桶和表上设置加密配置,开发者可以选择使用AES256服务器端加密或KMS客户管理密钥,进一步增强了数据存储的安全性。
总结
AWS SDK for Java v2 2.31.23版本通过多项功能增强和优化,进一步提升了开发者在资源管理、服务集成和数据安全等方面的能力。这些更新不仅丰富了SDK的功能集,也体现了AWS对开发者体验的持续关注。对于Java开发者而言,及时升级到最新版本将能够充分利用这些新特性,构建更强大、更安全的云原生应用。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00