Thrifty: 轻量级Android上的Apache Thrift实现
1. 项目介绍
Thrifty 是微软为Android平台定制的一个Apache Thrift的轻量化版本,它显著降低了方法计数(相较于标准的Apache Thrift编译器所生成的Java代码),从而特别适合资源受限的Android环境。这个库通过去除冗长的getter/setter,并采用公共final字段来代替,同时简化核心抽象并仅生成实际所需的协议代码,不包括默认的服务器实现,以此节省方法数量。最初,该库在Outlook for Android项目中孕育,成功地将生成的Thrift类消耗的方法数从20,000减少到了5,000。
2. 项目快速启动
添加依赖
首先,在你的build.gradle文件中添加仓库和依赖:
repositories {
mavenCentral()
// 若需使用快照版本,则启用以下行
// maven { url 'https://oss.sonatype.org/content/repositories/snapshots' }
}
dependencies {
implementation 'com.microsoft.thrifty:thrifty-runtime-jvm:3.1.0'
}
生成代码
接下来,你需要从Thrift定义文件生成Java代码。你可以通过命令行或者Gradle插件来完成这一步。
命令行方式:
java -jar thrifty-compiler.jar --out=path/to/output your_file.thrift
Gradle插件方式:
确保你的构建脚本包含了Thrifty插件:
buildscript {
dependencies {
classpath 'com.microsoft.thrifty:thrifty-gradle-plugin:3.1.0'
}
}
apply plugin: 'com.microsoft.thrifty'
thrifty {
// 根据需要配置选项,详情查看插件文档
}
3. 应用案例和最佳实践
当你在Android应用中集成Thrifty后,利用其生成的不可变对象可以极大地增强数据的安全性和一致性。最佳实践中,你应该:
- 利用Thrift定义服务和数据结构,以保持跨语言服务的一致性。
- 避免手动的序列化/反序列化,直接使用生成的客户端和服务接口进行通信。
- 确保所有生产环境中需要的数据都是提前设置好的,因为Thrift结构一旦创建就不可修改且要求所有必要字段初始化。
示例代码,发起一个搜索请求:
// 创建传输层和协议层
val transport = SocketTransport.Builder("example.com", 9090).build().apply { connect() }
val protocol = BinaryProtocol(transport)
// 实例化客户端并调用服务方法
val client = YourService.Client(protocol)
val response = client.search(YourQuery()) // 假设YouQuery是你的查询对象
4. 典型生态项目
尽管Thrifty本身专注于简化Android端的Thrift使用,它的存在促进了更多围绕微服务架构和跨平台通讯的项目发展。虽然特定的“典型生态项目”直指与Thrifty直接相关联的不多,Thrifty的实际应用广泛存在于那些需要高效、低方法计数的Android客户端与不同语言服务端通讯场景中。开发者社区可能会围绕它开发工具或框架来进一步简化Thrift的使用流程,如自动生成的服务客户端封装、或是在Kotlin Multiplatform项目中的整合策略,但这些通常不是由Microsoft直接维护的官方生态部分。
此文档提供了使用Thrifty的基础知识和启动步骤,帮助你迅速上手并在Android项目中高效利用这一工具。深入了解更多高级特性和生态拓展时,建议参考Thrifty的官方GitHub页面及其文档。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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