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。
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 StartedRust0197
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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07