Hackney HTTP客户端1.24.0版本安全与稳定性全面升级
Hackney是Erlang生态中一个广受欢迎的高性能HTTP客户端库,以其轻量级和可靠性著称。它提供了完整的HTTP协议支持,包括连接池管理、流式传输、SSL/TLS等现代HTTP客户端所需的核心功能。在分布式系统和微服务架构中,Hackney常被用作底层HTTP通信的基础组件。
安全问题修复
本次1.24.0版本最重要的改进是针对基本认证(Basic Auth)凭证暴露问题的修复。在之前的版本中,当使用HTTP协议(非HTTPS)进行基本认证时,存在凭证可能被中间人攻击窃取的风险。新版本通过引入insecure_basic_auth应用环境变量来增强安全性,该变量默认设置为false,强制要求开发者必须显式允许不安全的HTTP基本认证。
对于仍需要在HTTP环境下使用基本认证的遗留系统,开发者需要明确配置:
application:set_env(hackney, insecure_basic_auth, true).
这一改变体现了Hackney团队对安全最佳实践的坚持,即使可能破坏向后兼容性也要优先保障用户数据安全。
网络与连接管理改进
在DNS解析方面,修复了Docker Compose环境中可能出现的NXDOMAIN错误问题,这对于现代容器化部署环境尤为重要。同时解决了多个与连接池相关的关键问题:
- 修复了307重定向时连接未正确释放的问题,避免连接泄漏
- 优化了连接池与定时器之间的竞态条件处理
- 改进了happy eyeballs算法中的controlling_process错误处理
- 解决了多个可能导致socket泄漏的场景
这些改进显著提升了Hackney在高并发场景下的稳定性和资源利用率,特别是在处理大量HTTP请求和重定向时表现更为可靠。
流式传输与SSL增强
针对流式数据传输,修复了首个数据块后可能出现的超时问题,这对于大文件传输或流媒体应用至关重要。在SSL/TLS方面:
- 修复了自定义ssl_options情况下的主机名验证问题
- 解决了异步流传输中可能出现的SSL消息泄漏
- 更新了certifi和mimerl依赖,确保使用最新的安全证书和MIME类型处理
内存与进程管理优化
本次更新还解决了多个底层Erlang/OTP相关的问题:
- 修复了ETS表内存泄漏问题
- 解决了可能导致进程死锁的场景
- 优化了gen_server调用逻辑,防止无限循环
- 改进了socket控制权转移的错误处理
这些改进使得Hackney在长时间运行的服务中表现更加稳定,资源使用更加高效。
开发环境与兼容性
项目持续集成环境已升级至Ubuntu 22.04,确保在最新操作系统环境下的兼容性。同时保持对Erlang/OTP多个版本的支持,兼顾稳定性和现代特性。
升级建议
对于生产环境用户,建议尽快升级到1.24.0版本,特别是那些使用基本认证功能的系统。升级时需要注意:
- 检查是否依赖HTTP基本认证,并按需配置insecure_basic_auth
- 测试重定向逻辑,特别是307状态码的处理
- 验证流式传输功能,特别是大数据量场景
- 监控连接池和内存使用情况,确认无泄漏
Hackney 1.24.0版本通过全面的安全修复和稳定性增强,进一步巩固了其作为Erlang生态中可靠HTTP客户端的地位,是追求安全与性能的开发者的理想选择。
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