首页 文章 精选 留言 我的

精选列表

搜索[VMware替代],共10000篇文章
优秀的个人博客,低调大师

Super:用 Rust 写的 API-First 进程编排器 —— Supervisor / PM2 的现代替代品

### 背景介绍 每台服务器上,总有一批需要“长期活着”的进程:自建网关、队列 Worker、边缘采集脚本、或者本地运行的模型推理服务。 管好这些进程,大家通常会选择经典的 **Supervisor** 或 **PM2**: * 但 **PM2** 拖家带口带着庞大的 Node.js 运行时,在精简 VPS 或边缘设备上显得格外沉重; * **Supervisor** 的配置和体验还停留在 ini / CLI 时代,缺乏原生的现代 HTTP API,CI/CD 和 Agent 很难通过代码灵活操控; * 至于 **systemd**,它虽强大但强依赖 root 权限,不跨平台,且动态管理进程门槛高;而 **Docker Compose** 有时又显得杀鸡用牛刀,很多人并不想为了两个常驻脚本去承受构建镜像的额外开销。 为了兼顾“极致轻量”与“可编程性”,我们用 **Rust** 编写了 **[Super](https://github.com/schiplat/super)**:一个无额外运行时依赖的 **API-First 轻量进程编排器**。 ### 架构设计:极简清晰的双二进制 Super 采用了经典的 **Daemon-Client(守护进程 + 客户端)** 架构,打包发布为两个独立的纯静态二进制文件: * **`superd`(后台引擎 / Daemon)**: 核心守护进程,通常作为开机自启系统服务静默运行。它负责进程生命周期托管、健康检测、崩溃重启、日志汇聚与安全沙箱,并对外暴露统一规范的 **REST API & WebSocket**。 * **`super`(命令行客户端 / CLI)**: 提供给开发者操作的终端工具。**`super` 本身不直接拉起进程,它只是 `superd` 的一个官方 HTTP API 客户端。** 这意味着:你在 CLI 里能做的一切,CI 流水线、自动运维脚本、或者外部 Agent 都可以**无缝直接调用 `superd` 的 API 实现**。 ### 核心特性 * **Rust 纯静态编译,零运行时依赖**:无 Python、Node 等环境依赖,只有 `superd` 和 `super` 两个体积精巧的二进制文件,极简容器、精简 VPS、边缘盒子直接开箱即用。 * **API-First(进程即可编程资源)**: * **单行命令托管**:`super add --name demo --autostart python3 -m http.server 8080`; * **声明式栈管理**:支持通过 TOML 声明服务依赖链、健康检查与环境变量,一条 `super apply` 一键收敛整套服务栈; * **原生标准接口**:彻底告别解析 CLI 终端文本输出的时代,所有状态查询与管理均走标准 HTTP/WS。 * **崩溃自愈与稳健守护**:异常退出自动拉起、退出码判断、启动时延防护、优雅停机(SIGTERM ➔ 超时 SIGKILL),该有的守护逻辑一个不少。 * **平滑无损发布(事务式更新)**:服务版本更新内置事务保障:“备份 ➔ 校验 ➔ 切换 ➔ 失败自动回滚”,告别手工替换文件重启赌命的裸奔操作。 * **可观测性与事件账本(Audit Ledger)**:实时日志流(WebSocket)、历史日志检索;内置**事件账本**,记录服务状态变更的完整因果链,出事能复盘,不靠盲猜。 * **默认安全**:`superd` 默认仅监听本地 Loopback 地址(可按需配置监听外网并启用鉴权);敏感环境变量在 API 与 CLI 输出中自动脱敏打码。 * **一条命令自动注册系统服务**:安装脚本在校验 SHA-256 后,会自动将 `superd` 注册为各平台的系统自启服务(Linux systemd / macOS launchd / FreeBSD rc.d),开机自启无需手写 unit。 --- ### 快速上手 #### 1. 一键脚本安装(推荐) 通过官方自动化脚本完成安装(自动校验 SHA-256 并注册 `superd` 为系统开机自启服务,非 root 用户可能需要 sudo 权限): ```bash curl -fsSL https://github.com/schiplat/super/releases/latest/download/install.sh | sh ``` #### 2. 手动下载与安装 若处于离线环境或需要手动分发部署: * **下载预编译包**:前往 [GitHub Releases 页面](https://github.com/schiplat/super/releases) 下载对应系统架构的二进制包(提供 Linux x86_64/arm64、macOS、FreeBSD 的 `.tar.gz` 及 SHA-256 校验和文件); * **完整安装与配置指南**:手动解压后的二进制文件放置位置、权限设置及自启服务注册步骤,请参考官方文档:[快速开始与安装指南(Getting Started)](https://super.docs.sconts.com/docs/01-getting-started/)。 --- #### 3. 基础管理操作 **托管并拉起一个常驻服务:** ```bash # 通过 super CLI 向 superd 注册并自动拉起服务 super add --name demo --autostart python3 -m http.server 8080 # 查看当前运行与健康状态 super list # 实时追踪日志流 super logs demo --tail ``` > **AI 协作彩蛋**:项目根目录维护了一份针对 AI 上下文工程优化的 [SKILL.md](https://github.com/schiplat/super/blob/master/docs/SKILL.md)。你可以直接把它喂给 Cursor、Claude 或 ChatGPT,让你的 AI 助手瞬间掌握 Super 的所有规范,秒级帮你编写编排配置与排障指令。 --- ### 关于开源与商业化 很多项目在开源与商业化之间的边界很模糊,我们希望在一开始就保持诚恳与透明: 1. **核心永远开源(MIT License)**:`superd` 守护进程与 `super` CLI 本身就是**完全独立、功能完备、没有任何定时限制**的现代化进程管理器。崩溃拉起、API-First、健康检查、日志流、平滑回滚等核心能力均在此范围内,**承诺永久免费,绝不设任何使用暗桩**。 2. **企业级高级扩展插件**:我们为复杂多租户、团队协作等进阶场景设计了按需加载的扩展插件(如 Web Dashboard、多用户 API 鉴权/RBAC、细粒度 cgroup 资源隔离、通知风暴抑制等)。**公测(Beta)期间全部功能对社区免费开放体验**,后续基础管理能力也绝不受任何影响。 --- ### 当前状态与平台支持 * **系统支持**:支持 Linux (x86_64 / arm64)、macOS、FreeBSD;Windows 推荐使用官方 Docker 镜像运行。 * **阶段说明**:项目目前处于公测阶段,核心编排与 API 路径有较完整的集成测试覆盖,且在作者团队的自有服务中日常运行。但仍建议大家优先在开发环境、Staging 或非核心负载上试用。 现阶段大家的每一次试用、批评和提 Issue,都是对项目最大的帮助与支持! * **GitHub 仓库**:[schiplat/super](https://github.com/schiplat/super) * **版本发布(Releases)**:[github.com/schiplat/super/releases](https://github.com/schiplat/super/releases) * **快速安装指南**:[super.docs.sconts.com/docs/01-getting-started/](https://super.docs.sconts.com/docs/01-getting-started/) * **完整文档站**:[super.docs.sconts.com](https://super.docs.sconts.com/docs/)

优秀的个人博客,低调大师

Kimi K3 使用指南:会员暂停后仍可访问的5种替代方案(免费与API路径)

**摘要** — 月之暗面 2026-07-19 宣布算力紧缺,暂停 Kimi **C 端新用户订阅**——暂停的是网页/App 的付费会员开通,不是 K3 模型本身。想用上 K3 还有 5 条路:免费网页版(尝鲜、拥挤)、官方 API(开发者、$3/$15)、** 网关(一把 key、免会员名额、同价)**、聚合中转(备选、易 429)、开源权重自托管(7-27 前放出、2.8T、需集群)。下面逐条说清适合谁、怎么接、多少钱。 ![image.png](https://developer.qcloudimg.com/http-save/yehe-12547915/58d00705fe1707b997f6f81d2630f869.png) ## 先搞清楚:暂停的是「会员」,不是「K3」 2026-07-19,月之暗面(Moonshot AI)发公告:**即日起暂停 Kimi C 端新用户订阅**,把已有算力全部投入服务已订阅用户。原话是过去 48 小时「用户请求量已大幅超出我们的预估,并且逼近现有集群的承载极限」。K3 于 7 月 16 日发布,三天就把服务器挤爆了。 有两点要说清楚,否则容易慌: - **暂停的是「C 端新用户订阅」**,也就是网页版、App 上新用户开通付费会员这件事。**不是 K3 下线,也不是 API 关停。** - **已订阅用户不受影响**,官方明确「保障已订阅用户的全部权益不受影响」,还在全速扩容,「随着新算力陆续到位,我们将逐步开放更多订阅名额直至全面恢复正常订阅」。之后新订阅会拆成 Kimi 主权益(KimiWeb / Kimi App / Kimi Work)和 Kimi Code 权益两块。 所以问题不是「K3 还能不能用」,而是「不走会员这条路,怎么用上 K3」。答案有 5 条。 ## 5 条路径速览 | # | 路径 | 适合谁 | 价格 | 主要局限 | | --- | --- | --- | --- | --- | | 1 | 免费网页版 kimi.com | 只想对话、尝鲜 | 免费 | 高峰拥挤,不保证稳定用到 K3 | | 2 | 官方开放平台 API | 开发者、要编程调用 | $3 / $15 每百万 token | 需单独注册充值,高峰可能限速 | | 3 | ** 网关** | 想立刻用、不想被会员名额卡 | 与官方同价,无加价 | 需要一个 key | | 4 | 聚合中转(OpenRouter 等) | 已经在用聚合平台的人 | 约 $3 / $15 | 上游容量受限,常见 429 | | 5 | 开源权重自托管 | 有 GPU 集群的机构 | 硬件成本 | 7-27 前放出,2.8T 参数,个人跑不动 | 下面逐条展开。 ## 路径 1:免费网页版(尝鲜最快,但别指望稳定) 打开 [kimi.com](https://kimi.com) 或 Kimi App 直接对话,这是门槛最低的一条。这次暂停的是**付费会员开通**,免费对话入口本身公告里没点名关停,通常还能注册使用。 坑在于:现在正是爆火高峰,算力紧张,免费版能不能稳定用到满血 K3(而不是被降级到更小的模型或排队),取决于当下的放量情况,官方没给承诺。**以你实际打开时的界面为准。** 而且网页版就是聊天,不能编程调用、不能接进自己的应用。想尝个鲜可以,想拿它当生产力工具靠不住。 ## 路径 2:官方开放平台 API(开发者的正路) 会员暂停 ≠ API 暂停。Kimi 开放平台是**按 token 计费的独立通道**,和 C 端会员是两套东西。到 [platform.kimi.ai](https://platform.kimi.ai) 注册、充值、拿 key,就能调 `kimi-k3`: - 端点:`https://api.moonshot.ai/v1` - 模型 ID:`kimi-k3` - 价格:输入 $3、输出 $15 每百万 token,命中缓存的输入降到 $0.30 - 接口是 OpenAI 兼容的,现有 SDK 改个 base_url 和 key 就能用 局限也实在:要单独走一遍注册充值;而且开放平台和会员共用同一批算力,眼下同样吃紧,高峰期可能限速或偶发报错。这是最「正」的一条,但不是最省事的一条。 ## 路径 3: 网关(不排队、同价、一把 key) 如果你想现在就用上 K3,又不想卡在会员名额或单独注册上, 是最省事的一条:一个 key 直接调 K3,顺带还能调另外 100 多个模型,端点和 key 与其他模型完全一致,**和官方同价、不加价**。 - 端点:` - 模型 ID:`moonshotai/kimi-k3`(注意有 `moonshotai/` 前缀) - 价格:输入 $3、输出 $15、缓存命中 $0.30,每百万 token——和 Moonshot 官方一致 只想聊天的话,直接开 chat. 网页版,模型选 Kimi K3 就能对话,不用碰代码。要编程调用就用同一个 key 走 API,OpenAI SDK 直接兼容: ``` from openai import OpenAI client = OpenAI( api_key="你的_OFOX_KEY", base_url="", ) resp = client.chat.completions.create( model="moonshotai/kimi-k3", messages=[{"role": "user", "content": "用一句话解释什么是互斥锁"}], ) print(resp.choices[0].message.content) ``` `curl` 一行也能验通: ``` curl \ -H "Authorization: Bearer $API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"moonshotai/kimi-k3","messages":[{"role":"user","content":"在线吗?回一个字"}]}' ``` 它的好处不在于绕开算力紧缺——所有路子最终都打到模型厂商那儿——而在于**接入这一步没有会员名额、没有单独注册的门槛**:需要就调,一个 key 走天下。 ## 路径 4:聚合中转(能用,但别当主力) OpenRouter 这类聚合平台也上了 `moonshotai/kimi-k3`,价格大致同为 $3 / $15,好处是如果你本来就在用聚合平台,不用再开新账号。 但要提醒一句:眼下上游容量受限,聚合侧同样会把算力紧张传导下来——OpenRouter 的 K3 页面自己都标着「可能频繁返回 429 错误」。**当备选可以,别指望它比直连更稳。** 网上有人说 Novita、快手、Ambient 是主要供应商,那是这些平台整体的供应格局或别的 Kimi 版本的情况,具体到 K3 由谁承接、稳不稳,以你调用时平台显示的为准,别照搬。 ## 路径 5:等开源权重自托管(机构向,普通人别硬来) 官方计划 **2026-07-27 前**放出 K3 完整开源权重(社区普遍预期上 Hugging Face,官方未点名平台)。真放出来了,你就能完全自控、数据不出内网——这对有合规要求的机构有意义。 但先泼盆冷水:K3 是 **2.8 万亿参数**的大模型,自托管要的是相当规模的 GPU 集群,个人和小团队基本没法跑。对绝大多数人来说,「等权重」是个心理安慰,不是现实选项。真需要私有化,等权重出来再评估硬件;只是想用上 K3,走前面几条 API 的路更快。 ## 你该走哪条 - **只想聊两句、看看 K3 什么水平**:kimi.com 免费网页版,或 chat. 选 K3,零成本。 - **要接进自己的应用/脚本,想少折腾**: 网关,一把 key,免会员名额,和官方同价。 - **已经有 Kimi 开放平台账号、习惯直连**:官方 API `kimi-k3`。 - **已经重度用 OpenRouter**:可以试,但把它当备选,留意 429。 - **机构、有集群、要私有化**:等 7-27 前的开源权重。 ## 价格对照(每百万 token) | 项目 | 价格 | | --- | --- | | 输入(未命中缓存) | $3.00 | | 输入(命中缓存) | $0.30 | | 输出 | $15.00 | | 上下文窗口 | 1,048,576 tokens(约 100 万) | 无论走官方 API 还是 网关,单价一致——差别在接入的省心程度,不在价钱。真正影响账单的是缓存:如果你每轮都重复发一大段几乎不变的系统提示或代码上下文,命中缓存的部分按 $0.30 计,比 $3 便宜一个数量级,长对话/长 Agent 跑起来省下的就是大头。 ## 常见问题 **免费网页版一定能用到 K3 吗?** 不保证。免费入口通常还在,但高峰期算力紧张,可能排队或降级到更小的模型,以官方界面为准。要稳定用到 K3,走 API 更靠谱。 ** 会不会更贵?** 不会,和 Moonshot 官方同价、不加价。它的价值是省去会员名额和单独注册这两道门槛,一个 key 还能顺带调别的模型。 **会员什么时候恢复?** 官方说在扩容,会逐步放开名额直至全面恢复,但没给具体时间。后续新订阅会拆成 Kimi 主权益和 Kimi Code 权益两块。 **K3 和 K2.7 Code 是一个东西吗?** 不是。K2.7 Code 是编程专精模型(256K 上下文),K3 是全能旗舰(1M 上下文、2.8 万亿参数、更强视觉推理),两者并存。 ## 一句话 会员暂停只是把「开通付费会员」这道门暂时关上,K3 本身没走。想用上它, 一把 key 直接调 moonshotai/kimi-k3,免会员名额、和官方同价,是眼下最省事的一条路;要私有化就等 7-27 前的开源权重。 ## 参考来源 - 月之暗面 Kimi 暂停 C 端新用户订阅公告(IT之家):[https://www.ithome.com/0/978/808.htm](https://www.ithome.com/0/978/808.htm) - Kimi K3 发布三天被挤爆、暂停新用户订阅(新浪科技):[https://finance.sina.com.cn/tech/roll/2026-07-20/doc-iniimeas4936270.shtml](https://finance.sina.com.cn/tech/roll/2026-07-20/doc-iniimeas4936270.shtml) - Kimi 开放平台文档:[https://platform.kimi.ai](https://platform.kimi.ai) - Kimi K3 在 模型广场: --- **参考来源** - ofox 文档:模型目录 — https://docs.ofox.io/zh/develop/models

优秀的个人博客,低调大师

Honeycomb 蜂巢工具箱|开源全平台离线开发者工具箱,替代各类在线网页工具

日常开发中,我们经常需要打开各式各样的在线网页工具:JSON 格式化、加解密、时间戳转换、网络调试、二维码生成识别…… 但在线工具存在明显短板:敏感文本上传存在隐私风险、网络不佳无法使用、广告繁多。 **Honeycomb 蜂巢工具箱**应运而生,一款完全本地离线运行、功能高度聚合、开源免费的开发者工具箱,覆盖前端、后端、嵌入式、运维、AI 开发等绝大多数场景需求。 软件基于 Qt 开发,轻量化设计,占用资源低,启动迅速,所有运算在本地完成,不会上传任何文本、密钥、文件数据,处理敏感配置、加密内容更加安全。 项目完全开源,遵循开源协议,任何人可以查阅源码、自由编译、二次开发。 ✅ 当前官方最新版本:1.1.20260714 ✅ 支持系统:Windows /macOS ✅ 运行模式:纯本地离线运行,无需联网 ## 🧰 完整功能清单 ### 一、编码工具 条形码生成、二维码生成、识别二维码、文件转 Base64、Base64 图片预览、图片压缩、时间戳转换、颜色值转换、中文转 Unicode、中文转 UTF8、ASCII 码表、进制转换、补码转换 ### 二、字符工具 字符串去空格、字符串去回车、去空格回车、去除分隔空格、替换与转义、字数统计、文本对比、正则测试、大小写转换 ### 三、开发工具 JSON 格式化、JSON 转 YAML、屏幕取色器、颜色选择器、常用 HTML 颜色、回车转 br 标签、常用浏览器 UA、PATH 查看器、Docker 命令速查、Docker Compose 转换、SQL 格式化、快捷 LDD、进程管理、端口管理、Go 交叉编译、htaccess 转 nginx、Android 权限、Harmony 权限、UNIX chmod 权限矩阵、Cron 表达式解析、HTTP 状态码、Content-Type、HTML 特殊字符 ### 四、加密工具 Windows 加密、MD5 加密、文件校验、文件 MD5、文件 SHA1、文件 SHA256、文件信息查看、SHA1 加密、SHA256 加密、密码强度分析、国密加解密、AES 加解密 ### 五、随机工具 随机数字、随机字符串、随机混合串、随机 MAC 地址、随机 IPv4 地址、随机 IPv6 地址、生成 UUID ### 六、网络工具 WebSocket 测试、RESTful 测试、MQTT 监听、MQTT 广播、DNS 查询、子网掩码计算器、RTSP 预览、文件夹映射、Fake API ### 七、硬件工具 寄存器寻址范围、电阻阻值计算、RISC-V 指令集模块、通用寄存器速查、汇编速查 ### 八、AI 工具 AI 提示词、Agent 协同、对照降 AI、上下文飘窗(支持预设插入)、OpenAI API 测试、NN 对照表、Layer 对照表、机器学习手书 ## 💡 为什么推荐 Honeycomb 蜂巢工具箱? 1. **离线优先,保护隐私** 所有计算本地执行,加密密钥、接口报文、业务文本不会上传至第三方服务器,处理敏感信息更安心。 1. **功能聚合,告别网页收藏夹** 一款软件整合上百种开发常用工具,不用在数十个在线工具网页来回切换,大幅提升调试效率。 1. **开源免费,透明可信** 项目完整开源,不存在后门、偷偷上传数据等隐患,技术人员可自行拉取源码编译使用。 1. **轻量化跨平台** 采用 Qt 框架开发,相比 Electron 类工具箱内存占用更低,启动更快,同时适配 Windows 与 macOS 平台。 1. **持续维护更新** 开发团队长期迭代优化,持续新增开发者所需实用功能,定期推出新版本,不断完善体验。 ## 🎯 适合这些人群使用 前端开发者、后端工程师、运维人员、嵌入式 / 硬件开发、网络调试工程师、安全测试人员、AI 算法开发、在校计算机相关专业学习者。 ## 📎 获取方式 1. 预编译安装包(Windows/macOS):访问官网下载页 [https://www.mutantcat.org.cn/software/honeycomb/](https://link.wtturl.cn/?target=https%253A%252F%252Fwww.mutantcat.org.cn%252Fsoftware%252Fhoneycomb%252F&scene=im&aid=497858&lang=zh) 1. 开源源码仓库: [https://github.com/Mutantcat-Working-Group/Honeycomb](https://link.wtturl.cn/?target=https%253A%252F%252Fgithub.com%252FMutantcat-Working-Group%252FHoneycomb&scene=im&aid=497858&lang=zh) 如果你厌倦了繁杂的在线网页工具,追求高效、安全、本地化开发体验,不妨试一试 Honeycomb 蜂巢工具箱。一款工具箱,满足绝大多数开发调试需求。

优秀的个人博客,低调大师

一款应用替代十款工具!Vorssaint 打造 macOS 菜单栏工具箱,让 Mac 体验更高效

`macOS` 上的效率工具越来越多,但菜单栏也变得越来越拥挤,保持唤醒、系统监控、剪贴板、窗口切换、应用卸载、音量控制等等功能需要安装多个独立应用。 **Vorssaint** 是一款专为 Mac 打造的免费开源菜单栏工具箱,采用 `Swift` 开发,将十余项常用系统增强功能整合到一个应用中,坚持无后端、无账户、无遥测,使得效率与简洁兼得。 ![1-cover.png](https://developer.qcloudimg.com/http-save/yehe-8423593/28972cfd4274285c1874e8e86cc66e27.png) --- # 简介 **Vorssaint** 是一款 `macOS` 菜单栏增强工具箱,将应用独立音量控制、系统监控、窗口切换、剪贴板历史、保持唤醒、Dock 预览、文件暂存架、深度卸载、访达增强等十余项常用功能整合到一个应用中,帮助用户告别多个零散工具。 **Vorssaint** 注重隐私与本地化体验,不依赖后端服务、不要求注册账户,也不会收集分析数据或追踪用户行为。所有核心功能均在本地运行,网络请求仅用于用户可见的操作,例如检查更新、网络测速,以及用户主动发起的 Homebrew 搜索与安装。 --- # 安装 - 搭载 Apple Silicon 的 Mac - macOS 14 Sonoma 或更高版本 ## Homebrew(推荐) ```bash # 安装 brew install --cask vorssaint # 卸载 brew uninstall --cask vorssaint # 彻底移除(包括设置和权限) ./Tools/uninstall.sh ``` ## 安装包(Release) 公 Zhong 号 `BugShare` 内发送 `Vorssaint` 或 `mac 菜单栏` 获取安装包 --- # 特性 ![PixPin_2026-08-03_13-25-57.png](https://developer.qcloudimg.com/http-save/yehe-8423593/5fd0ec0b44ed159de2b233a2cd07e6cc.png) ## 统一工具入口 **Vorssaint** 相比菜单栏中同时运行多个独立工具,将大量 `macOS` 系统增强功能统一整合到一个应用中,用户只需打开菜单即可快速访问各类实用工具,无需在多个应用之间频繁切换、操作简洁高效。 --- ## 应用级音量控制 **Vorssaint** 带来了类似 `Windows` 音量混合器的体验,可以对每个应用进行独立音量管理。支持应用单独调节音量、快速静音以及音频输出切换,无论是同时运行会议软件、音乐播放器、浏览器,还是需要精细控制不同应用声音,都能提供灵活高效的音频体验。 ![PixPin_2026-08-03_13-31-15.png](https://developer.qcloudimg.com/http-save/yehe-8423593/4b31486933ee1564f5087559d7518df8.png) --- ## 实时系统监控 **Vorssaint** 可以直接在菜单栏中实时查看系统运行状态。支持监控 CPU、内存、网络、电池、温度(支持芯片传感器)以及风扇等关键指标,常用数据可直接显示在菜单栏,详细信息也能通过面板快速查看,系统状态直观高效掌控。 ![PixPin_2026-08-03_13-32-02.png](https://developer.qcloudimg.com/http-save/yehe-8423593/15952dd7693e3651758ca5ee609f51a6.png) --- ## 窗口切换 **Vorssaint** 内置 `Alt + Tab` 的窗口切换器,为 macOS 带来多窗口管理体验。支持窗口缩略图预览、标题显示、快速切换、Dock 预览以及多窗口管理等功能,解决在多个窗口间寻找困难。 ![PixPin_2026-08-03_13-34-09.png](https://developer.qcloudimg.com/http-save/yehe-8423593/8135c2ae0df07d813a2566bc625a3120.png) --- ## 剪贴板历史 **Vorssaint** 内置剪贴板历史功能,自动记录用户复制过的内容,支持文本、图片和文件等多种类型。可以随时查看和复用历史记录,尤其是对经常复制代码、图片或文件的开发来说,大幅提升了复制粘贴效率。 ![PixPin_2026-08-03_13-35-27.png](https://developer.qcloudimg.com/http-save/yehe-8423593/a3d780586d9a618a87ea4c50601b8535.png) --- ## 保持唤醒 **Vorssaint** 内置 **防止休眠**,支持阻止系统睡眠、保持屏幕常亮、防止磁盘休眠。无论是长时间下载、视频渲染、代码编译,还是远程控制等场景,都能避免设备自动休眠带来的中断。 ![PixPin_2026-08-03_13-35-49.png](https://developer.qcloudimg.com/http-save/yehe-8423593/cf18683e25e247250c43cc55a5c66149.png) --- ## 深度应用卸载 **Vorssaint** 提供了更彻底的应用卸载能力,能自动扫描并清理配置文件、缓存、日志、卸载 App 残留、其他缓存等数据,帮助释放磁盘空间。 ![PixPin_2026-08-03_13-36-29.png](https://developer.qcloudimg.com/http-save/yehe-8423593/51014fe3b2c8689ecc2675a7c19a925c.png) --- ## 访达与窗口增强 **Vorssaint** 还提供了许多提升 macOS 日常操作效率的小工具,例如访达文件剪切粘贴、Dock 预览、窗口布局、关闭窗口时退出应用、鼠标滚轮平滑滚动与方向切换、触控板中键、Dock 点击最小化等功能。 ![PixPin_2026-08-03_13-37-20.png](https://developer.qcloudimg.com/http-save/yehe-8423593/c122a8463b3a3f4f440b33699c548ca7.png) --- ## 权限管理 **Vorssaint** 遵循 macOS 权限管理机制,仅在需要时申请对应权限;即使某项权限未授权,也只会影响相关功能使用,不会影响整个应用的正常运行。 --- # 最后 如果你希望精简 `macOS` 菜单栏、减少后台程序,同时又不想放弃各种实用功能,那么 **Vorssaint** 非常值得一试。 **Vorssaint** 将系统监控、应用音量控制、窗口切换、剪贴板历史、保持唤醒、应用卸载等常用工具整合于一体,并且**免费、开源、本地优先、无账号、无订阅**的设计理念,让 `macOS` 在保持轻量的同时拥有更强大的使用体验。

优秀的个人博客,低调大师

一套替代四套!同程旅行用 Apache SeaTunnel 搭建多模态统一数据通道

同程旅行数据通道服务历经多年演进,形成了数据搬运、数据集成、Sqoop、SeaTunnel 四套并存的格局,功能重叠、引擎割裂、整体运维成本居高不下。 本文将分享同程旅行以 Apache SeaTunnel Zeta 引擎为统一底座,在"业务零感知"前提下将数万个存量任务平滑迁移至批流一体化通道的完整实践——从 Sqoop/FlinkSQL 的零改造自动翻译、到基于 LLM 的自然语言建表建任务(Data Copilot),再到数据一致性校验架构,最终实现平台化整合与效率跃升,并展望云原生化与 AI 驱动的智能运维方向。 Meetup 全程回顾:[https://weixin.qq.com/sph/AkwdgrLP62](https://weixin.qq.com/sph/AkwdgrLP62) ## 作者简介 周晓晨,目前就职于同程旅行,负责数据平台相关工作,同时也是 Apache SeaTunnel Committer,长期参与 SeaTunnel 社区建设与功能演进。 ## 一、统一数据通道 ### 1.1. 现状 同程旅行现有数据通道服务包括数据搬运、数据集成、Sqoop 和 Seatunnel 共 4 种,存在功能重叠和流程冗余的问题。其中,数据搬运和 Sqoop 分别基于 Flink 1.6 和 MapReduce 引擎,主要用于离线场景下 DB 以及大数据组件之间的数据同步,在处理大规模 DB 类数据搬运任务时,会对公司在线业务库的稳定性造成影响;数据集成服务则面向实时场景,基于 Flink 引擎,支持将 DB 类数据同步至数据湖;而公司大健康业务采用 Seatunnel Zeta 引擎,凭借轻量级架构专注于数据通道场景,在资源使用和同步效率方面进行了针对性优化。 整体来看,现有的数据通道服务亟需进行平台化整合。通过统一功能架构,整合公司现有的 4 种线上数据通道服务,构建基于 SeaTunnel 引擎的批流一体化统一数据通道服务。 ![](https://developer.qcloudimg.com/http-save/audit-11851421/a9a12cbeb16ed2e296cd4372909be12a.png) ### 1.2. 目标&原则 在重构与迁移过程中,同程旅行严格遵循以下三大核心目标与原则: #### 1.2.1. 业务无感 重构过程必须对上层业务完全透明,确保历史任务平滑过渡,开发人员的学习和迁移成本降至最低,在正式切换前,支持新老引擎的“双跑”模式,业务侧无需手动重写任何代码即可完成底层引擎的无缝替换。 #### 1.2.2. 数据一致性 数据质量是通道服务的生命线。必须建立完善的校验与兜底机制,保障迁移前后和运行过程中的数据绝对一致。 #### 1.2.3. 效率&稳定性提升 针对原 MapReduce 引擎笨重、Flink 1.6 版本老旧且对在线 DB 冲击大等痛点,充分发挥 SeaTunnel Zeta 引擎的轻量级与高性能优势。 ## 二、任务转换 统一通道的目标与原则确立后,公司的首要挑战是如何让线上数万个存量任务在不改一行代码的前提下,完成从 Sqoop、FlinkSQL 到 SeaTunnel 引擎的底层替换。 ### 2.1. Sqoop/FlinkSQL->SeaTunnel 在进行底层数据集成引擎升级时,最大的痛点往往是业务侧的配合成本。我们的核心设计理念是:**“业务零感知、零改造”**。业务开发人员**无需修改任何一行历史代码** ,继续沿用原有的 Sqoop 脚本或 FlinkSQL 提交习惯。底层全透明地将任务接管并运行在标准的 SeaTunnel 引擎之上。 ![](https://developer.qcloudimg.com/http-save/audit-11851421/000b9ae382cc05930d7a22de2fcdb92c.png) #### 2.1.1. Skill Layer - **存量 Sqoop、FlinkSQL:** 业务侧数万个历史任务脚本。这些脚本保持原样,无需任何改动。 - **Skill 能力组件池** 包含了 `Sqoop Skill`、`FlinkSQL Skill` 和 `Seatunnel Skill`。识别不同组件的语法和配置参数,并具备将其映射为 SeaTunnel 结构的能力。 #### 2.1.2. 执行层 统一提交端在完成任务翻译后,会生成一份标准的 SeaTunnel 任务配置文件。 - **任务双跑** 这是平滑过渡的核心保障。当调度系统触发任务时,统一提交端实际上会**同时提交并运行两个任务** 1. **线上基线任务:** 继续执行原有的 Sqoop / FlinkSQL 任务。这保证了生产环境的数据产出时效和原有逻辑不受任何干扰。 1. **Seatunnel 灰度任务:** 将新生成的 SeaTunnel 配置文件提交至物理集群并行执行,将数据写入测试目录。 - **智能校验与无缝切换:** 当双跑任务结束后,触发任务校验规则**。校验规则通过后 ,将该脚本的执行路由切换至 SeaTunnel。 ### 2.2. 自然语言-> Seatunnel 存量迁移解决的是历史包袱,而面向未来的增量任务开发,我们希望进一步打破数据开发的准入门槛——让不熟悉引擎细节的业务人员,也能用自然语言完成数据通道任务的搭建。 #### 2.2.1. 信息补全 在真实业务场景中,用户输入的自然语言往往是模糊且不完整的(例如:“帮我把昨天核心商品的销售数据同步到数仓”)。针对此问题,同程旅行进行了信息补全相关的工作。 - **上下文感知与智能推断:** 提取意图,结合用户的历史行为和全局元数据,对缺失的信息进行智能补全。 - **任务组装:** 匹配正确的 `Source Connector`(如 MySQL 核心商品表)和 `Sink Connector`(如 Hive 数仓),并利用 `Seatunnel Skill` 补全并发度、分区策略等底层参数,将自然语言转化为完整的 SeaTunnel 任务配置。 ![](https://developer.qcloudimg.com/http-save/audit-11851421/a9dcefe050d8362efa7bf16f691128e4.png) #### 2.2.2. Text2SQL ![](https://developer.qcloudimg.com/http-save/audit-11851421/100d2d2d09ed066eb9001504841a80b3.png) 1. 模式链接 模式链接负责识别自然语言查询中对数据库模式和条件值的引用。 它被证明有助于跨领域的通用性和复杂查询的综合,使其成为几乎所有现有文本到 SQL 方法的关键步骤。 1. 候选 SQL 生成生成器 为了保证生成质量,我们不依赖单一模型的输出,而是采用多路并发生成策略: 1. 推理生成器 (Reasoning Generator):利用大模型强大的 Zero-shot 逻辑推理能力,直接基于意图和 Schema 生成 SQL。 1. ICL 生成 (In-Context Learning):基于 Few-shot 学习,匹配过去成功执行过的高质量 SQL 作为示例,引导大模型生成当前 SQL。 1. 分治生成器:面对超复杂长 SQL,将其拆解为多个 CTE子查询进行分布生成。 1. 候选 SQL 选择 对多路生成的候选 SQL 进行打分与评估(基于语法正确性、AST 树复杂度、预估执行代价等),最终由 `SQL Selector` 选出一条最优的 **Final SQL** ,无缝嵌入 SeaTunnel 的 Transform 节点。 #### 2.2.3. Text2ETL ![](https://developer.qcloudimg.com/http-save/audit-11851421/f6d07d87d8ff0408cac32b336623d3b2.png) - **交互式预览:** 根据自然语言处理数据后,系统会立即生成“数据预览”供用户确认效果。 - Transform 智能路由: - **常规需求:** 自动映射为 SeaTunnel 原生的 Transform 组件(如 Filter, Replace, Split)。 - **动态编译兜底方案:** 当遇到极度复杂的脏数据清洗(简单 Transform 组合无法满足需求),系统生成一段 Java/Scala 的 UDF 或 Groovy 脚本。在后台**动态编译** 这段代码,并作为插件实时加载到 SeaTunnel 任务中运行。 ## 三、任务数据一致性校验&迁移 任务转换只是迁移的第一步,真正的底线是数据质量。新老引擎在序列化格式、数值精度、时间处理等方面存在固有差异,如何保证迁移前后数据"零偏差、零丢失",是整个工程中最关键的环节。 ### 3.1. 文件类引擎 对于文件系统产生的数据,由于缺乏自身的计算能力,如果将海量文件拉到内存中进行全量比对,极易引发 OOM 且耗时极长。因此基于旁路索引与多级过滤的高效比对架构进行数据验证。 ![](https://developer.qcloudimg.com/http-save/audit-11851421/b836d07a268b9291365f4a8dafdda86d.png) 1. **数据读取与标准化 (Normalize & Hash):** - 系统并发遍历 Xdata/Sqoop (基线) 和 Seatunnel/Zeta (灰度) 产出的目录。 - 按行读取数据,进行标准化清洗,随后对整行内容计算 Hash 值。 1. **构建旁路索引:** 为了在发现差异时能够精准定位到具体文件的哪一行,系统在计算 Hash 时,会在外部存储构建一份**有序的旁路索引** 。 - **文件级索引 (头部):** 记录 `fileIndex` 对应的物理路径(例:`fileIndex=0 -> .../part-00000`)。 - **数据行索引 (外部排序):** 结构为 `[hash, fileIndex, lineNo]`。该索引按照 hash 值进行全局外部排序,为后续的高效比对打下基础。 1. **多级对比算法:** - **Level 1 - BloomFilter 互筛过滤:** 首先为两份数据分别构建布隆过滤器 `BloomFilter(Xdata)` 和 `BloomFilter(Zeta)`。利用布隆过滤器极低的内存占用和极快的查询速度,进行第一轮双向过滤。 - Level 2 - 双指针排序对比: 对于布隆过滤器无法确认的数据,利用之前按 hash 排好序的数据行索引,采用双指针进行对齐比对。 - `h1 h2`:说明引擎 2 (Zeta) 多出了数据,指针 `p2` 前进。 - `h1 == h2`:若 Hash 相同,进一步比对该 Hash 出现的**计数 (Count)** ,完美解决数据中存在重复行的问题。 1. **差异回查与定界:** 一旦双指针算法发现不一致,系统会利用**二分查找** 快速定位到异常的 Hash,并提取出对应的 `(fileIndex, lineNo)`。开发人员可以直接通过这个坐标,**秒级回查** 到原始文件的具体哪一行出现了乱码或截断。 1. **校验通过与切换:** 全量数据均通过绿色的链路后,系统执行最终**任务切换** 。 ### 3.2. 数据表引擎 对于关系型数据库或数据仓库,利用数据库自身的 SQL 引擎进行特征值计算。 ```javascript SELECT sum(murmur_hash3_32(coalesce(CAST(order_serial_no AS string), 'NULL'))) as order_serial_no_hash, sum(murmur_hash3_32(coalesce(CAST(platform_code AS string), 'NULL'))) as platform_code_hash, ... FROM ... ``` ## 四、效率&稳定性提升 数据一致性校验为迁移过程上了保险,但要让统一通道在长期运行中持续释放价值,引擎本身的执行效率与稳定性同样关键。我们从 Connector 增强、并行度智能推测、可观测性完善三个维度进行了系统优化。 ### 4.1. Connector 优化 1. **Paimon 连接器深度增强**:补全 Time 类型支持,实现 LIKE/BETWEEN 谓词下推减少数据扫描,支持动态表选项读取与 sink 分支写入,修复 DECIMAL 类型精度损失与 DataType转换丢字段问题,支持多 Paimon Source 并行读取。 1. **OLAP 引擎高可用与可靠性**:StarRocks 与 Doris 均补齐 FE 节点 HA 能力,StarRocks FE 地址随机选路避免单点,修复 Doris request_table_size < BUCKETS 场景下的数据丢失等。 1. **流式消费稳定性**:Kafka StreamMode 增加分区过滤防止消费阻塞,RocketMQ 支持跳过解析错误避免任务失败,Milvus Source 修复分区级 load 状态检查遗漏。 1. **HBase 增强**:HBase Source 支持行范围边界查询。 1. **HDFS ViewFs 兼容**:支持 ViewFs schema,解决多命名空间挂载表场景下的 HDFS 访问问题。 ### 4.2. 并行度推测 借鉴 Flink 的自适应批处理机制,我们在 SeaTunnel Zeta 引擎上实现了**智能并行度推测**。在任务下发前,底层引擎会轻量级探测源端数据的真实体量(如表总行数、目录大小),以及底层存储的物理分布特征(如 Kafka 的分区数、Paimon Bucket 数量等)。 随后,系统将这些物理拓扑特征与集群空闲资源及目标端限流阈值等进行综合计算,动态推算出最优的并发参数进行任务切分,通过资源的“按需分配”与底层物理特征的完美对齐,提升了集群整体的执行效率与资源利用率。 ### 4.3. 任务可观测完善 1. Checkpoint 指标监控 对标 Flink 完善的 Checkpoint 监控体系,我们构建了针对 SeaTunnel Checkpoint 观测能力。重点采集 Checkpoint 端到端耗时、state Size、以及 Checkpoint 失败频率等核心指标。 2. Master 选举指标 借鉴 Kafka 的主从选举监控体系,我们实现针对 SeaTunnel Master 节点的选举状态监控指标。重点采集选举耗时、触发切换的频率以及 Active Master 的存活状态等核心数据,通过该指标,当集群发生脑裂或主节点异常频繁切换时,可实现及时告警并辅助排查底层的网络或负载瓶颈。 ## 五、未来规划 随着统一通道的稳定运行,我们将目光投向更深层的演进方向。未来 1-2 年,我们平台的建设将聚焦于两大核心方向:**彻底的云原生化** 与 **全面拥抱 AI**。 ### 5.1. 云原生 落地 K8s 原生资源调度,Worker 节点按需创建与销毁,实现弹性扩缩容;参考业界日志聚合最佳实践,构建 Job 远程存储的日志体系。 ### 5.2. AI + 数据通道 构建 AI 驱动的智能运维闭环——自然语言生成同步任务配置、Job 异常自动根因定位、数据延迟自动调优并行度,让数据通道从人工运维走向自愈自调优。 统一数据通道的建设从四套引擎并存到批流一体,从手工脚本到自然语言建任务,从人工校验到旁路索引自动比对,每一步都在逼近"让数据流动像自来水一样可靠"的目标。而云原生化与 AI 的双轮驱动,将是我们下一段的核心引擎。

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册