RuoYi-Cloud-Plus 2.4.1版本发布:云原生架构的持续优化与问题修复
RuoYi-Cloud-Plus是基于Spring Cloud Alibaba的企业级微服务快速开发平台,它继承了RuoYi系列项目的优秀基因,并针对云原生环境进行了深度优化。该平台整合了当前主流的技术栈,包括Spring Boot、Spring Cloud、MyBatis-Plus、Redis、Dubbo等,为开发者提供了一套开箱即用的微服务解决方案。
核心组件升级与云原生适配
本次2.4.1版本对多个核心组件进行了版本升级,进一步提升了系统的稳定性和性能表现。在云原生支持方面,Spring Cloud Alibaba从2023.0.1.2升级到了2023.0.3.3版本,Dubbo也同步升级至3.3.5版本,这些升级带来了更好的服务治理能力和性能优化。
值得注意的是,Seata分布式事务框架从2.3.0升级到了2.4.0版本,这是一个重要的变更点。Seata 2.4.0在事务处理机制和性能方面有显著改进,但同时也引入了一些不兼容的API变更,开发者在升级时需要特别注意相关配置的调整。
数据权限与工作流引擎优化
在业务功能层面,本次更新对数据权限处理机制进行了重构,采用了MyBatis-Plus新版的数据权限写法重写了相关实现。这种改进使得数据权限控制更加灵活和高效,特别是在复杂查询场景下表现更优。
工作流引擎方面也进行了多项优化:
- 改进了多根节点构建树结构的算法,现在能够更好地支持多个顶级节点的场景
- 流程查询性能得到提升
- 流程图悬浮窗功能增强,提升了用户体验
- 修复了流程数据重复更新导致状态被覆盖的问题
这些改进使得工作流引擎在处理复杂业务流程时更加可靠,特别是在高并发场景下的稳定性得到了显著提升。
安全性与稳定性增强
在系统安全方面,本次更新包含了几项重要改进:
- 加密模块的解密拦截器现在能够正确处理多次加密的参数
- 默认部门不允许删除,增强了系统数据的完整性保护
- 租户套餐菜单查询过滤掉了租户管理相关菜单,提升了多租户场景下的安全性
系统稳定性方面,修复了多个关键问题:
- 解决了Redis缓存监控接口的连接归还问题,提高了资源利用率
- 修复了SSE(Server-Sent Events)连接的超时设置,避免浏览器关闭导致的连接停滞
- 处理了Satoken在异步调用时的上下文传递问题
开发体验优化
对于开发者而言,本次更新带来了多项便利性改进:
- 全局日期格式转换配置得到优化,提升了日期参数解析的兼容性
- 去除了自动注入日志的警告信息,减少了开发环境的干扰
- 工作流API模块移除了对Spring Cloud Bus的强制依赖,改为由使用者按需引入
- 菜单页面渲染方式改为懒加载,解决了大数据量情况下的性能问题
特别值得一提的是,项目基础环境从Debian切换到了Rocky Linux,这是一个由CentOS原作者维护的稳定发行版,配合升级后的JDK版本,为系统运行提供了更加安全可靠的基础环境。
废弃功能与未来方向
随着技术演进,本次更新废弃了QueueUtils及相关队列功能。这是由于Redisson在新版本中已经移除了队列相关API,建议开发者转向使用专业的消息中间件解决方案。
从本次更新可以看出,RuoYi-Cloud-Plus项目团队在保持技术先进性的同时,也非常注重系统的稳定性和开发者体验。这些持续改进使得该平台在企业级应用开发领域保持着强大的竞争力。
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-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