FluidFramework v2.23.0版本发布:性能优化与新特性解析
FluidFramework是微软开发的分布式实时协作框架,它通过操作转换(OT)技术实现多用户之间的实时数据同步。最新发布的v2.23.0版本带来了一系列性能优化和新特性,特别是在SharedTree数据结构和Presence功能方面有显著改进。
Presence功能增强:本地值变更事件
在v2.23.0版本中,Presence功能的价值管理器现在能够为本地值变更触发事件。Presence是FluidFramework中用于跟踪用户在线状态和自定义用户数据的核心功能。
最新引入的事件包括:
- LatestValueManager新增
localUpdated事件,当local属性被赋值时触发 - LatestMapValueManager新增两个事件:
localItemUpdated:当调用local.set方法时触发localItemRemoved:当调用local.delete方法时触发
这些新增事件使得开发者能够更精确地监听和响应本地状态的变更,为构建更复杂的协作应用提供了更好的支持。
SharedTree性能优化
v2.23.0版本对SharedTree数据结构进行了多项性能优化,显著提升了处理大规模变更时的效率。
操作批处理(Op Bunching)优化
SharedTree现在采用了"操作批处理"技术,将连续的操作分组并一起处理。这种优化带来了渐进式的性能提升:
- 10个本地操作+10个传入操作:性能提升70%
- 100个本地操作+100个传入操作:性能提升94%
这种优化特别适用于以下场景:
- 客户端在单个JavaScript执行周期内进行大量变更(如复制粘贴大型表格数据)
- 客户端有大量本地变更(如响应缓慢的客户端或具有大量变更的本地分支)
大事务处理优化
创建大型事务和处理传入变更的速度得到了显著提升。例如,对一个数组执行1000次编辑的事务创建时间从1.5秒减少到170毫秒,提升了约90%。
事件处理优化
在v2.23.0之前,事件处理时间可能随变更数量呈二次方增长(O(N^2))。新版本修正了这一性能特征,使得大规模变更时的事件处理更加高效。
开发者体验改进
更严格的模式检查
Tree.is方法现在会对无效的模式基类抛出错误,而不是返回false。当开发者错误地使用多个派生自同一SchemaFactory生成的类的模式类时,会收到明确的错误提示,如:
"使用了两个模式类(CustomObjectNode和Derived),它们都派生自同一个SchemaFactory生成的类('com.example.Test')。这是无效的。"
对于需要检查TreeNode是否为某个模式基类实例的情况,开发者可以直接使用instanceof操作符,它会在检查时包含基类。
废弃API更新
FluidDataStoreRuntime.process函数已被标记为废弃,取而代之的是新的processMessages函数。新函数能够批量处理多条消息,这是"操作批处理"功能的一部分。需要注意的是,在某些情况下(如数据存储运行时与旧版本的数据存储上下文一起运行时),process可能仍会被调用以保持兼容性。
总结
FluidFramework v2.23.0版本通过多项性能优化和功能增强,进一步提升了框架在复杂协作场景下的表现。特别是SharedTree的性能改进,使得处理大规模数据变更更加高效。同时,Presence功能的事件增强和开发者体验的改进,为构建更复杂的实时协作应用提供了更好的支持。
对于正在使用FluidFramework的开发者,建议关注这些变更并考虑升级到新版本,特别是那些需要处理大量数据变更的应用场景。新版本不仅提供了更好的性能,也通过更严格的检查和更清晰的错误提示,帮助开发者避免常见错误。
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