Rspack v1.2.6 版本发布:性能优化与新特性解析
Rspack 是一个基于 Rust 的高性能前端构建工具,它结合了 Webpack 的丰富功能和 Rust 语言的性能优势,为现代前端开发提供了更快的构建速度和更好的开发体验。在最新发布的 v1.2.6 版本中,Rspack 团队带来了一系列性能优化、新功能引入和问题修复,进一步提升了工具的稳定性和效率。
性能优化亮点
本次版本在性能方面做了多处改进,显著提升了构建速度:
-
解析器创建优化:通过缓存解析器(Resolver)的创建过程,减少了重复计算的开销。解析器是模块解析的核心组件,这一优化对于大型项目特别有益。
-
模块执行钩子非阻塞化:移除了执行模块钩子的阻塞操作,使得构建过程更加流畅,特别是在处理大量模块时效果明显。
-
分区映射替代克隆:使用 partition_map 技术替代了原有的克隆操作,减少了内存分配和数据复制的开销,这在处理大规模模块依赖关系时尤为有效。
新特性介绍
v1.2.6 版本引入了 Dojang 模板引擎来渲染运行时模板,这是本次更新的重要特性:
-
Dojang 模板引擎集成:Dojang 是一个高效的模板引擎,现在被用于渲染 chunk 运行时模板和运行时模板。这一改变不仅提高了模板渲染速度,还使得模板代码更加清晰易维护。
-
模板渲染现代化:通过 Dojang 的引入,Rspack 的模板系统更加现代化,为未来的功能扩展打下了良好基础。
关键问题修复
本次版本修复了多个影响用户体验的问题:
-
增量构建修复:完善了增量构建功能,现在能够正确处理完整哈希测试场景下的增量构建。
-
排序问题修复:解决了模块组(group)排序和模块顺序不正确的问题,确保了构建结果的稳定性。
-
协议处理改进:当 publicPath 设置为 auto 时,现在能够正确处理 blob: 协议,避免了资源加载问题。
-
JSON 处理增强:修正了 JSON 文件中 Unicode 字符的转义处理,确保了特殊字符的正确解析。
-
CSS 模块兼容性:修复了 CSS 模块中使用保留关键字导致的构建错误问题。
-
CLI 一致性改进:统一了命令行参数的命名风格,全部采用 camelCase 格式,提高了使用一致性。
-
模块联邦缓存:解决了与模块联邦(Module Federation)功能一起使用时持久化缓存的问题。
其他改进
除了上述主要变化外,本次更新还包括:
- 测试用例优化:减少了不必要的哈希快照,使测试更加稳定可靠。
- 构建流程改进:优化了 CI 流程,包括并行化构建和依赖安装优化。
- 依赖更新:升级了多个关键依赖,如 TypeScript 5 和 less-loader v12 等。
- 代码质量提升:移除了重复的静态变量定义,使代码更加简洁。
总结
Rspack v1.2.6 版本在性能、功能和稳定性方面都做出了显著改进。特别是 Dojang 模板引擎的引入,为未来的性能优化和功能扩展奠定了基础。对于现有用户来说,升级到这个版本将获得更快的构建速度和更稳定的构建结果。对于考虑采用 Rspack 的开发者,这个版本展示了项目团队对性能优化和开发者体验的持续关注,是一个值得尝试的选择。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0190
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08