Micrometer 1.15.0-RC1 版本发布:监控工具的新特性与改进
Micrometer 简介
Micrometer 是一个为 Java 应用提供度量指标收集功能的工具库,它支持多种监控系统,如 Prometheus、Graphite、InfluxDB 等。作为 Java 生态系统中度量指标收集的事实标准,Micrometer 为开发者提供了统一的 API,使得应用可以轻松地与各种监控系统集成。
1.15.0-RC1 版本亮点
1. OTLP 指标发送器增强
新版本对 OtlpMetricsSender 进行了进一步的功能增强。OTLP(OpenTelemetry Protocol)是 OpenTelemetry 项目定义的协议标准,用于传输遥测数据。这一改进使得 Micrometer 能够更高效、更可靠地将指标数据发送到支持 OTLP 协议的监控后端。
2. Prometheus 指标命名一致性
解决了 Prometheus 指标和标签命名约定不一致的问题。在监控系统中,一致的命名规范对于指标的可读性和可维护性至关重要。这一改进确保了使用 Micrometer 生成的 Prometheus 指标遵循统一的命名规则,便于开发者理解和查询。
3. 虚拟线程监控支持
随着 Java 21 引入虚拟线程(Virtual Threads),Micrometer 也与时俱进地增加了对虚拟线程的监控支持:
- 新增了对
Executors.newVirtualThreadPerTaskExecutor()的监控能力,可以跟踪这种新型执行器的运行情况 - 增加了对活跃虚拟线程的监控指标,帮助开发者了解虚拟线程的使用情况和性能特征
这些特性对于正在评估或已经采用虚拟线程的项目尤为重要,可以直观地看到轻量级线程带来的性能改进。
4. 更灵活的 OTLP 配置
新版本提供了更灵活的 OTLP 按仪表配置选项。这意味着开发者可以针对不同类型的指标(如计数器、计时器等)进行细粒度的 OTLP 传输配置,满足不同场景下的监控需求。
5. Prometheus/OpenMetrics 时间戳支持
实现了 Prometheus/OpenMetrics 标准的 _created 时间戳功能。这个时间戳记录了指标的创建时间,对于分析指标的完整生命周期和进行时间序列分析非常有价值。
问题修复
- 修复了 Kafka 指标中仪表双重注册的警告问题,避免了日志中的冗余警告信息
- 改进了对"function"仪表重新注册的警告日志,使其更加清晰和有用
- 解决了 micrometer-observation-test 模块中不必要的 JUnit 依赖问题,避免了潜在的依赖冲突
技术影响与建议
对于正在使用或考虑采用 Micrometer 的开发者,1.15.0-RC1 版本带来了几个值得关注的技术价值:
- 对于使用虚拟线程的项目,新增的监控能力可以帮助团队更好地理解和优化虚拟线程的使用
- OTLP 相关改进使得与 OpenTelemetry 生态系统的集成更加顺畅
- Prometheus 相关改进提升了指标的一致性和可用性
建议开发团队在测试环境中评估这个候选版本,特别是那些已经或计划使用虚拟线程的项目。由于这是一个预发布版本,生产环境部署前应进行充分的测试验证。
总结
Micrometer 1.15.0-RC1 版本继续强化了其在 Java 应用监控领域的领先地位,通过支持新兴技术(如虚拟线程)和完善现有功能(如 OTLP 集成),为开发者提供了更强大、更灵活的监控工具。这些改进不仅提升了监控能力,也为现代化 Java 应用的性能优化提供了更多可能性。
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