Rspack v1.3.1 发布:支持并行加载器与关键错误修复
Rspack 是一个基于 Rust 的高性能 Web 构建工具,它结合了 Webpack 的灵活性和 Rust 语言的性能优势。在最新发布的 v1.3.1 版本中,Rspack 团队带来了令人兴奋的并行加载器支持,并修复了几个关键问题。
并行加载器支持(实验性功能)
Rspack v1.3.1 引入了 JavaScript 加载器的并行执行能力,这是通过 Node.js 的 worker_threads 模块实现的。这一功能可以充分利用操作系统提供的最大线程数,显著提升构建性能。
如何启用并行加载
开发者需要在配置中同时设置两个选项来启用这一实验性功能:
- 在模块规则中为特定加载器设置
parallel: true - 在实验性配置中启用
parallelLoader: true
module.exports = {
module: {
rules: [
{
test: /\.less$/,
use: [
{
loader: "less-loader",
parallel: true, // 启用该加载器的并行执行
options: { ... }
}
],
type: "css"
}
]
},
experiments: {
css: true,
parallelLoader: true // 全局启用并行加载器支持
}
}
性能提升
在大型项目测试中(如包含 100 个 antd.less 文件的项目),这一功能带来了 2.26 倍的性能提升(测试环境为 Apple M2 Max, 64G 内存)。这对于大型前端项目的构建速度优化具有重要意义。
关键错误修复
v1.3.1 版本修复了 v1.3.0 中的几个关键问题:
-
源代码映射问题:修复了在使用
devtool: 'eval-source-map'配置时出现的 "No unique code generation entry for unspecified runtime" 错误。这个问题会影响开发环境下的调试体验。 -
CSS 提取插件问题:解决了与
CssExtractRspackPlugin一起使用时出现的 "should have best match" 错误,确保了 CSS 资源能够正确提取和处理。
其他改进
除了上述主要特性外,v1.3.1 还包含了一系列改进:
- 增强了编译日志的清晰度,使开发者更容易理解构建过程中的问题
- 改进了动态导入脚本外部依赖的处理
- 更新了多个依赖项,包括将 SWC 升级到 v18.0.0
- 改进了错误处理和结果转换机制
- 优化了测试工具的使用方式
总结
Rspack v1.3.1 通过引入并行加载器支持,为大型项目构建提供了显著的性能提升。虽然这一功能目前仍处于实验阶段,但已经显示出巨大的潜力。同时,该版本修复了几个关键问题,提高了工具的稳定性和可靠性。
对于正在使用 Rspack 的开发者来说,升级到 v1.3.1 版本可以获得更好的构建体验和性能表现。特别是对于那些处理大量 CSS/LESS/SASS 文件的项目,尝试启用并行加载器可能会带来意想不到的性能提升。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00