async-nats v0.39.0 发布:对象存储与KV功能全面增强
项目简介
async-nats 是 NATS 消息系统的 Rust 异步客户端实现。NATS 是一个高性能的开源消息系统,专为云原生应用、微服务架构和分布式系统设计。async-nats 提供了与 NATS 服务器交互的异步接口,支持核心的发布/订阅模式、请求/响应模式,以及 JetStream 持久化消息等功能。
版本亮点
async-nats v0.39.0 版本主要聚焦于对象存储(Object Store)和键值存储(KV)功能的增强与优化。这两个功能是 NATS JetStream 提供的持久化存储解决方案,分别适用于大文件存储和简单的键值对存储场景。
新增功能
1. 增强的键值存储监控功能
新版本引入了kv::watch_many系列函数,允许开发者同时监控多个键的变化。这一功能对于需要跟踪多个相关键状态的应用程序特别有用,比如配置管理系统或状态跟踪系统。
2. 对象存储元数据支持
对象存储现在支持元数据和头部信息的添加。元数据可以包含对象的描述性信息,如创建时间、作者等;头部信息则可用于存储与对象相关的额外数据,这些数据不会影响对象本身的内容但可以用于辅助处理。
3. 对象存储元数据更新
除了添加元数据外,新版本还允许更新已存在对象的元数据和头部信息。这一功能使得对象的管理更加灵活,可以在不修改对象内容的情况下更新其元信息。
4. 原始消息获取方法
新增了从流中获取原始消息的额外方法,为需要直接处理消息原始数据的场景提供了更多选择。
功能改进
1. 采样频率支持百分比值
现在支持在采样频率设置中使用百分比值,这使得配置更加灵活直观。采样频率用于控制消息采样的比例,对于高吞吐量场景下的监控和调试非常有用。
2. 推送消费者采样频率处理优化
改进了推送消费者在采样频率序列化和反序列化方面的测试,提高了相关功能的稳定性和可靠性。
3. 对象存储自动清理
在调用ObjectStore::put方法时,现在会自动删除旧版本的对象。这一改进简化了对象版本管理,避免了存储空间的浪费。
其他重要变更
1. 测试环境优化
测试现在默认使用 JetStream 严格模式,这有助于发现潜在的问题并提高代码质量。
2. 依赖项优化
改进了临时依赖项的处理,使得项目的构建更加高效和可靠。
3. 错误信息改进
优化了jetstream::Error的显示消息,使其更加清晰和有用,有助于开发者快速定位和解决问题。
4. 移除过时的实验性标志
移除了服务 API 的实验性标志,表明该功能已经稳定并可用于生产环境。
总结
async-nats v0.39.0 版本通过增强对象存储和键值存储功能,为开发者提供了更强大、更灵活的持久化存储解决方案。特别是元数据支持和自动清理功能的加入,使得这两个存储系统在实际应用中的可用性大幅提升。同时,各种细节改进和错误处理优化也提高了整个库的稳定性和开发体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00